关键词： 人工智能   美国人工智能战略   人工智能治理   技术优势   制度扩散  

摘要： 在全球技术竞争加剧与地缘政治秩序重塑加速叠加的背景下,美国人工智能战略逐步形成技术、安全、经济与价值观等多维目标交织的复合型全球战略体系。通过政策机制设计、多中心治理、创新生态建设与前沿技术布局,美国搭建了支撑技术优势与全球规则塑造的综合性战略框架,并通过制度规范化与战略安全化双轨并进,试图强化其在全球人工智能治理中的优势地位。与此同时,内部技术创新与伦理监管之间的制度张力、党派分歧导致的战略中断风险,以及国际盟友间的立场分歧,是美国人工智能战略推进面临的主要挑战。技术生态的全面统筹、制度监管体系的整合与深化、以安全竞争为导向的全球治理规则塑造,将成为未来美国人工智能战略的关注重点。

关键词： 小学科学   人工智能   融通式教学  

摘要： 《教育部等十八部门关于加强新时代中小学科学教育工作的意见》和教育部办公厅发布的《关于加强中小学人工智能教育的通知》强调,在教育“双减”中做好科学教育加法,引导学生广泛参与探究实践;科学与人工智能教育相吻合,将培养科学精神、提升科学素质、引导孩子编织当科学家的梦想,落实到中小学教育全过程。本文探讨了“备—教—学—评”一致性背景下的小学科学与人工智能融通式教学。

关键词： 人工智能   人工智能应用   伦理   伦理标准化   伦理治理   伦理风险管理  

摘要： 人工智能技术的迅速发展引发算法透明度、公平性、隐私保护等方面的伦理探讨,同时人工智能技术的工具属性使其无法作为伦理主体进行规范,在实际应用中面临伦理安全风险和安全问题。从标准化视角分析人工智能发展与应用过程中面临的伦理挑战,指出伦理的文化依赖性和多样性使得标准化工作难以统一。进一步通过文件梳理和跨学科视角研究,提出从人类社会的伦理共识出发,结合具体应用案例进行研究,并在解决关键伦理安全问题的基础上逐步推进标准化工作,为构建更加完善的人工智能伦理标准体系提供理论依据和实践支持。

关键词： 人工智能   跨学科   教师专业发展  

摘要： 随着《义务教育课程方案(2022年版)》对跨学科主题学习的明确要求,教师需要突破传统单一学科教学模式,转向综合性、实践性更强的教学方式。然而教师面临着知识储备不足、教学设计复杂等挑战,AIGC在资源生成、教学设计优化、课堂动态支持、数据驱动反思中作用显著,能有效提升教师跨学科教学能力。本文以杭州市文海第二实验学校跨学科校本研修为例,探讨AIGC如何支持教师专业能力提升,丰富了技术赋能教育的理论框架,为“AIGC+教师发展”提供实践参考。

关键词： 人工智能   互动对话   个性化反馈   高中英语写作  

摘要： 为解决语境缺乏、个性化指导不足及反馈滞后等问题,利用人工智能为学生提供了即时、精准的反馈,并通过多元视角和互动对话拓展其思维广度与深度。人工智能能够模拟真实语境,使写作任务更具实践意义,并结合游戏化设计和个性化推荐机制,激发学生的写作兴趣与自主学习动力。通过整合丰富的语料资源,人工智能不仅强化了学生语言输入,还可以提供高质量的表达示范,从而有效促进学生语言能力的提升。

关键词： 直肠癌   淋巴结   磁共振成像   特征提取   机器学习  

摘要： 目的本研究旨在探讨MRI影像组学在直肠癌患者区域淋巴结良恶性鉴别中的应用价值,通过提取和分析MRI影像特征,构建有效的预测模型,以辅助术前直肠癌区域淋巴结转移状态的评估。方法回顾性分析200例经手术病理确诊为直肠癌且区域淋巴结病理诊断结果明确的患者资料,根据淋巴结转移状态将淋巴结阴性归为第1组,将淋巴结阳性归为第2组。比较两组间性别和年龄差异。采用特征提取软件提取淋巴结最大层面的影像特征参数并保留两组间差异明显的影像组学特征,后筛选最佳影像组学特征构建预测模型。将所有数据按7∶3比例分为训练集和验证集,采用7种机器学习算法对训练集和验证集进行分析,获得预测模型预测直肠癌患者区域淋巴结良恶性的受试者操作特征(ROC)曲线及相应的曲线下面积(AUC)、特异度、灵敏度及准确度,并以机器学习模型在验证集上的准确度筛选最佳预测模型。结果第1组100例,第2组100例,两组间性别及年龄差异均无统计学意义(χ^(2)=0.09、t=1.18,P=0.772、P=0.264)。共提取病灶三维纹理特征参数286个,其中两组间差异明显的影像组学特征共87个,最终保留8个最佳影像组学特征以构建预测模型。支持向量机(SVM)在验证集中具有最高的准确度,该预测模型预测验证集淋巴结转移状态的AUC为0.782,其准确度、特异度、灵敏度分别为0.746、0.788、0.700。结论MRI影像组学模型能够有效预测直肠癌患者区域淋巴结的转移状态。

关键词： 肺结节   液体生物标志物   体质   口腔微生物   16S rRNA测序   机器学习  

摘要： 血瘀质是肺癌的高风险体质类型,在肺癌发生的早期阶段——肺结节,特别关注血瘀质人群具有重要意义.本研究旨在基于口腔微生物特征构建血瘀质肺结节良恶性诊断模型,识别血瘀质肺结节早期恶性诊断的新型非侵入性生物标志物,并了解口腔菌群的变化在肺结节恶性演进中的潜在作用.研究收集了肺结节患者的唾液样本及中医体质信息,并将血瘀质良性(n=136)和恶性肺结节(n=73)患者作为研究对象.运用16S r RNA基因测序技术和7种机器学习算法(logistic regression、support vector machine、multi-layer perceptron、na?ve bayes、random forest、gradient boosting decision trees、light gradient boosting machine(lightGBM)),揭示血瘀质良恶性肺结节患者的口腔微生物组特征,并确定区分血瘀质良恶性肺结节的最佳预测模型和关键微生物标志物.最后,基于PICRUSt2菌群功能预测分析,探索口腔微生物群在肺结节恶性演进中的潜在作用机制.研究发现,与血瘀质良性肺结节相比,恶性肺结节患者的唾液微生物α和β多样性显著降低(P<0.05),且物种组成更少.LightGBM是预测血瘀质肺结节良恶性表现最优的机器学习模型(area under curve(AUC)=0.893,95%CI:0.866~0.925).Granulicatella、Fusobacterium、Delftia、Streptococcus、Alloprevotella、Veillonella可作为血瘀质肺结节良恶性诊断的潜在生物标志物.此外,在血瘀质恶性肺结节患者中,唾液微生物群可能存在有趣的代谢重编程.因此,唾液微生物可作为血瘀质恶性肺结节的非侵入性、高灵敏度鉴别诊断生物标志物,为我国肺癌的临床诊疗提供一种更加精准、个体化的新方法.

关键词： 光伏电站   智能诊断   故障预测   大数据   机器学习  

摘要： 为了提升光伏电站设备运行效率与故障管理水平,采用大数据与机器学习技术,构建智能诊断与预测系统,研究光伏组串设备状态的诊断与故障趋势预测。通过系统架构设计与仿真实验验证,分析模型性能与应用价值。结果表明,该系统在准确率、实时性及资源利用方面具有显著优势,能为智慧能源管理提供有效支持。

关键词： 人工智能   高校   音乐教学  

摘要： 随着人工智能技术的飞速发展,高校音乐教学也迎来了新的发展机遇。人工智能赋能高校音乐教学,能够加快高校音乐教学向智能化、个性化方向转变。然而,人工智能在高校音乐教学中的应用,也面临着技术与音乐教学融合性不强、个性化教学与大规模应用之间的平衡、技术伦理和隐私保护等问题。基于此,文章提出了构建智能化教学体系、优化个性化教学路径、提升教师信息素养和加强数据安全管理等对策,以期为人工智能赋能高校音乐教学高质量发展提供一些理论和实践参考。

关键词： 大型视觉语言模型   物体幻觉   图像对比增强   人工智能  

摘要： 大型视觉语言模型(LVLM)在理解视觉信息和运用语言表达方面展现出了非凡的能力.然而,在LVLM进行问答的过程中,它通常受到物体幻觉问题的困扰,具体表现为生成的文本内容看似合理,但实际上却与图片中的信息不相符,造成了文本与图片之间的不匹配现象.为解决这一问题,本文通过实验发现,物体注意力的缺失是导致物体幻觉的关键因素.为缓解此问题,本文引入了图像对比增强方法(ICE).ICE是一种无需训练、操作简便的方法,通过对比原始视觉输入与增强视觉输入所产生的输出分布,有效提升模型对图片的感知能力,确保生成的内容与视觉输入紧密契合,从而生成上下文一致且准确的输出.实验结果显示,ICE方法在无需额外训练或外部工具的情况下,便能显著减轻不同LVLM的物体幻觉问题,并在大型视觉语言模型基准MME测试中同样表现出色,验证了其广泛的适用性和有效性.本文代码链接:ChangGuiyong/ICE.