关键词： 群众   党员干部   发展战略   风险挑战   人工智能  

摘要： 本课对象广大党员干部和群众。本课时间3小时(讲课2小时,讨论1小时)。本课目的广大党员干部和群众通过对本课的学习,从发展战略维度、风险挑战维度、民族复兴维度,深刻认识人工智能发展趋势和规律,牢牢掌握人工智能发展和治理主动权,为以中国式现代化全面推进中华民族伟大复兴提供坚强保障。

关键词： 大语言模型   风力发电   人工智能   文本信息处理   数据分析  

摘要： 【目的】随着全球对可再生能源的依赖增加,风力发电作为其中的重要组成部分,正受到越来越多的关注。人工智能技术的快速发展,特别是大语言模型(large language models,LLM)的崛起,为风力发电领域带来了新的机遇和挑战。【方法】本文概述了风力发电的重要性以及人工智能对其发展的推动作用,并详细介绍了LLM的原理和发展现状。综述了LLM在风电领域的典型应用,包括智能问答系统和自动文档生成等文本信息处理应用,通过生成技术报告和诊断报告,提升信息管理效率。【结果】在数据分析与预测方面,LLM支持风力发电量预测、电力系统运行优化等,显著提高决策的精准性与实时性。在设备运维中,LLM结合图像识别技术,实现风电设备故障的智能检测与诊断,有效降低运维成本。展望了LLM在未来风电系统中的发展前景,重点包括加强数据安全和质量管理,提升模型的可解释性和可靠性,以及优化硬件算力以满足大规模模型的计算需求。【结论】本研究为大语言模型在风力发电领域的应用提供支撑。

关键词： 人工智能   肺结节   肺肿瘤   病理分型   预测效能  

摘要： 目的评估人工智能(artificial intelligence,AI)系统对肺结节良恶性和病理分型的预测能力及临床应用价值,并总结临床应用经验。方法回顾性分析2016年2月—2025年2月兰州大学第二医院胸外科收治的肺结节患者临床资料。首先将肺结节分为良性组和非良性组,对比分析AI系统和临床医师的鉴别能力。其次将术后病理结果回报为前驱腺体病变(precursor glandular lesions,PGL)、微浸润性腺癌(microinvasive adenocarcinoma,MIA)、浸润性腺癌(invasive adenocarcinoma,IAC)的肺结节进行分析,对比AI系统及临床医师在预测肺结节病理分型上的效能。结果在良性/非良性肺结节分析中,共纳入638例肺结节患者,其中男257例(双、三原发病灶例数分别为10例、1例),女381例(双、三原发病灶例数分别为18例、1例),中位年龄55.0(47.0,61.0)岁。同一患者的不同病灶作为独立样本进行分析。将两组变量进行单因素分析,结果显示除结节位置外,其余变量差异均有统计学意义(P<0.05)。多因素logistic回归分析显示,年龄、结节类型(亚实性肺结节)、平均密度、毛刺征、血管集束征为非良性肺结节的独立影响因素,其中年龄、结节类型(亚实性肺结节)、毛刺征、血管集束征与非良性肺结节发生呈正相关,平均密度与非良性肺结节发生呈负相关。AI系统所给恶性风险值预测非良性肺结节的受试者工作特征曲线下面积(area under the curve,AUC)值为0.811,略低于临床医师预测的0.898。在PGL/MIA/IAC分析中,共纳入411例肺结节患者,其中男149例(双原发病灶例数为8例)、女262例(双原发病灶例数为17例),中位年龄56.0(50.0,61.0)岁。同一患者的不同病灶作为独立样本进行分析。单因素分析结果显示,PGL、MIA和IAC三组患者除性别、结节位置及血管集束征外,其余变量差异均有统计学意义(P<0.05)。多分类多因素logistic回归分析显示,各参数在PGL组和MIA组间差异均无统计学意义(P>0.05),结节最大径、平均密度在PGL组和IAC组间差异有统计学意义(P<0.05),且作为独立危险因素与IAC发生均呈正相关。AI系统预测肺结节病理分型的平均AUC值、准确率、召回率及F1分数分别为0.807、74.3%、73.2%、68.5%,均优于临床医师预测肺结节病理分型指标(分别为0.782、70.9%、66.2%、63.7%)。AI系统预测IAC的AUC值为0.853,灵敏度、特异度、最佳截断值分别为0.643、0.943、50.0%。结论该AI系统在预测肺结节良恶性及病理分型上均表现出较高的临床价值,尤其在预测肺结节病理分型上的能力已优于临床医师,后续随着算法的优化及多模态数据的充分整合可更好地辅助临床医师为肺结节患者制定个体化诊疗方案。

关键词： 人工智能   公安机关   新质战斗力   人工智能应用  

摘要： 随着大数据技术、大模型技术和深度学习等人工智能技术的飞速发展,人工智能在公安领域的应用正深刻改变传统警务模式,成为提升公安机关新质战斗力的核心驱动力,是公安机关新质战斗力的重要标志。人工智能推动警务模式向“技术密集、数据驱动、主动预防”转型,其在电信诈骗治理、情报研判、办案取证等核心场景应用广泛。针对当前面临的数据割裂、算力不足、算法偏见、人工智能犯罪及数据安全风险等挑战,提出强化顶层设计、构建统一人工智能平台与行业模型、完善法规伦理及创新人才培养等系统性对策。

关键词： 创新   共享   绿色   大数据   区块链   人工智能  

摘要： 当前,人工智能、大数据、区块链、物联网等数字技术广泛应用,并逐渐成为新一轮生产力变革的核心动力,生产技术不断更新,生产效率大幅度提升,生产方式向着智能化、数字化转型和推进。在这一背景下,需要以创新、协调、绿色、开放、共享的新发展理念为导向,加快发展以低投入、低污染和低消耗为发展特征的新质生产力。因此,培养一批卓越工程师、大国工匠、高技能人才,提高各类人才素质,建设一流产业技术工人队伍显得尤为重要。

关键词： 智能问答系统   人工智能   DeepSeek  

摘要： 针对传统校园信息服务存在的找流程入口难、找规章制度难、找业务数据难、找人工客服难等问题,设计了一款基于人工智能技术的校园问答系统。通过意图识别引擎将用户提问分流为通识问答、校园业务问答与数据查询3类。其中,通识问答由DeepSeek模型实时响应,校园业务问答通过本地知识库与微调模型精准匹配,数据查询对接校内数据中台,可即时调取。此外,需结合动态权限控制与敏感信息拦截机制,确保服务的安全合规。该系统通过统一入口整合分散的校园服务资源,显著提升了师生信息获取效率,为高校数字化转型提供了智能化解决方案。

关键词： 生物多样性   人工智能   可持续发展   生态文明建设   美丽中国建设  

摘要： 实现精准生物监测是守牢美丽中国建设安全底线的需求之一。本文围绕淡水环境DNA(eDNA)的国内外最新研究动态,并结合2025年《湖泊科学》eDNA专刊的八项研究成果,简要综述eDNA技术目前的创新成就、关键挑战与瓶颈及未来发展方向,以期为全域生态安全中的多应用场景提供应对思路。

关键词： 冠幅   Gini系数   混合效应模型   机器学习算法   MCMC算法  

摘要： [目的]建立针对杉木人工林的单木冠幅模型,增强对杉木冠幅大小的预测准确性,并为杉木人工林的专业管理提供理论支持和依据。[方法]本研究以福建省将乐国有林场29块样地共计2005株杉木为研究对象,构建基于多种算法的杉木单木冠幅模型进行对比。从11种常用的冠幅—胸径模型中筛选出最优的逻辑斯蒂模型作为基础模型,在基础模型中添加树高、林分密度和基尼系数(Gini)等单木和林分因子作为协变量参与建模,得到广义冠幅模型,然后添加样地随机效应构建非线性混合效应模型;采用随机森林和支持向量机等随机森林算法构建杉木冠幅模型,并采用贝叶斯优化模型的超参数优化模型,得到最优超参数代入建模。采用十折交叉验证方法,以调整后的决定系数(R_(adj)^(2))和剩余均方根误差(RMSE)模型评价指标对各模型的预测效果进行评价。为进一步提高2种机器学习算法的预测精度,采用马尔可夫链蒙特卡罗算法(MCMC算法)联合随机森林与支持向量机建模,并对比基础MCMC算法与高级Stan算法在预测冠幅方面的表现。[结果]结果表明,添加样地随机效应的非线性混合效应模型预测精度高于广义模型,R_(adj)^(2)提升0.1070,RMSE下降0.0577,运用随机森林和支持向量机算法构建的冠幅模型展现出相似的预测性能,采用MCMC方法联合RF和SVM建模,MCMC链得到较好收敛,相较于基础MCMC算法,高级Stan算法各参数间自相关性显著降低,且预测精度得到提高,R_(adj)^(2)由0.6326提升至0.8495。[结论]本研究提出的基于MCMC算法和机器学习的方法有效提升了冠幅预测精度,对福建闽北现有冠幅模型的改进和应用提供了理论参考。

关键词： 知识图谱   职业院校   学业增值评价   个性化发展   机器学习  

摘要： 随着职业教育改革的深入推进,传统学业评价模式已难以满足新时代职业院校学生个性化发展的需求。为此,研究构建了基于知识图谱的职业院校学生学业增值评价模型,并融合个性化发展路径分析,提出了一种动态化、数据驱动的评价框架,旨在构建以学生为中心、以能力为导向、以数据为支撑的学业评价体系,并探索基于知识图谱的个性化发展路径,为职业院校学生成长成才提供科学依据与实践指导。

关键词： 人工智能   校本教研   循证证人   智能素养   智能教研   技术理性关键词  

摘要： 通过剖析AI在校本教研及教师研训中的角色功能及其现实矛盾,探寻AI赋能校本教研的科学路径。“教学助手”“学术向导”和“循证证人”是AI赋能校本教研的关键角色功能所在。当前人工智能赋能校本教研仍面临AI功能与校本教研需求的适配性有待强化、教师AI应用能力不足导致工作负担不减反增、AI“依赖症”引发教师教育主体性隐退等现实困境。对此,可通过搭建区域共享人工智能教研平台、构建全方位教师人工智能应用培训体系、引导教师与AI形成互学互促的良性关系等,重塑人工智能赋能校本教研的良好教育生态。