关键词： 知识生产   知识生产模式Ⅳ   人工智能  

摘要： 知识生产模式经历了从模式Ⅰ、模式Ⅱ到模式Ⅲ的演变。随着人工智能技术的迭代发展,知识生产模式Ⅳ已经萌芽,从以人为主体的知识生产走向人机双主体的知识生产,标志着知识生产主体的革命性变化和人机并生知识生产模式的历史性突破。其以人工智能为技术基座,重塑知识生产的主体性、过程性与价值性逻辑。知识生产模式IV的兴起也伴随着认知权威的解构、伦理边界的模糊与制度体系的滞后等风险挑战。面向未来,需构建“技术—伦理—制度”协同治理框架,通过重构认知体系、明晰伦理框架与完善制度体系,最终实现知识生产的可持续发展。

关键词： 习近平   人工智能   发展与安全   以人为本   国家治理  

摘要： 习近平关于人工智能安全的重要论述继承和创新了马克思国家安全观与马克思科技发展观,分析与研判了人类科技革命和社会演进规律,回应了智能时代的全球竞争格局。习近平关于人工智能安全的重要论述聚焦科技自主可控、伦理规范、国家治理和国际合作等方面,体现了战略主动思维、风险防控思想、人本理念与全局意识,明确了以人为本、健康有序和开放合作的人工智能安全价值理念、治理模式和发展格局,为中国和全球人工智能发展提供了平衡安全与创新、合作与竞争的可持续发展框架。

关键词： 森林蓄积量   多源遥感数据   特征选择   机器学习算法   集成学习  

摘要： 【目的】基于多源遥感数据,评估不同特征选择方法和机器学习算法组合构建的森林蓄积量估算模型的准确性,挖掘其协同互补潜力,以期有效提高森林蓄积量的估算精度。【方法】以河北省第九次国家森林资源连续清查数据为基础,结合GF-1、Sentinel-2、Sentinel-1和ASTER GDEM 4种遥感数据,采用随机森林变量选择(VSURF)、递归特征消除(RFE)和Boruta 3种特征选择方法,以及支持向量回归(SVR)、K-最近邻(KNN)、随机森林(RF)、分类提升(CatBoost)和极端梯度提升(XGBoost)5种机器学习算法,构建蓄积量模型,并筛选出最优模型。此外,通过方差分析量化数据集、特征选择和机器学习算法这3个因素对森林蓄积量估算的影响。【结果】(1)方差分析结果表明,数据集、特征选择和机器学习算法均对蓄积量估算性能有显著影响。(2)多源遥感数据的结合能有效提高森林蓄积量的估算性能。与其他数据集相比,联合GF-1、Sentinel-2、Sentinel-1和ASTER GDEM数据构建的模型表现出更高的估算精度。从整体来看,Boruta特征选择方法优于VSURF和RFE。CatBoost在建模中的表现优于其他算法(SVR、KNN、RF和XGBoost)。(3)基于GF-1、Sentinel-2、Sentinel-1和ASTER GDEM的组合,使用Boruta特征选择方法和CatBoost机器学习算法构建的估算模型实现了最高的准确性(R^(2)=0.6385,RMSE=13.3053 m^(3)/hm^(2))。【结论】基于多源遥感数据估算保定市森林蓄积量时,结合特征选择和机器学习算法可显著优化模型的估算效果,得到更精准的蓄积量估算结果。研究结果不仅改进了当前应用多源遥感数据估算森林蓄积量的方法,还为大范围森林蓄积量监测提供了新的思路和参考依据。

关键词： VTS   AI值班员   智能读片   机器学习  

摘要： 传统VTS值班模式在效率和准确性上存在局限。本文提出一种基于人工智能(AI)技术的VTS AI值班员工作模式。该模式通过引入AI视频分析和图像识别技术,实现船舶自动识别、行为预测、异常预警等功能,可以显著提高VTS工作效率和决策准确性。采用AI技术后,VTS系统的数据处理速度可至少提升20%,同时减少人为错误率、缩短异常情况响应时间。研究为VTS系统的智能化转型提供理论依据和技术支撑。

关键词： 6G技术   太赫兹频段通信   人工智能   万物智联   超高清视频传输  

摘要： 【目的】6G技术超高速的传输速率和极低的延迟,目的在于极大地提升融媒体内容的传播效率和质量。借助6G技术强大的连接能力和大数据处理能力,融媒体可以实现个性化的内容推荐和精准营销。6G网络能够实时收集用户的行为数据、兴趣爱好等信息,并进行深度分析。【方法】6G技术在融媒体产业运营方面的创新方法,6G技术可以通过智能算法优化融媒体产业的资源分配。6G网络能够实时监测各个业务环节的数据,6G的高速率和低延迟可以支持更多高附加值的融媒体服务。【结果】6G技术在融媒体领域的创新结果,内容创作的智能化与高效化,在传播效果上,6G技术带来了显著的提升。【结论】6G技术在融媒体领域的创新结论,6G技术与融媒体实现了深度融合并带来了创新变革。6G技术促使融媒体的业务模式得到拓展和重塑。

关键词： 人工智能   计算机网络   网络管理   智能路由   网络安全   流量控制  

摘要： 随着人工智能技术迅猛进步,其在计算机网络领域的应用日益广泛。人工智能在计算机网络中的应用不仅提高了网络运行效率,还在网络安全、数据流优化、网络管理等方面发挥了重要作用。本文探讨了人工智能在计算机网络领域的广泛应用,分析了人工智能在增强网络效能、确保网络安全及优化资源运用率等方面的长处。经对有关技术及实际案例的调研,本文阐述人工智能在计算机网络领域应用所遇困难众多,如数据保护隐私、技术融合挑战及算法提升等。最后,本文提出了多项对策,为促进计算机网络技术发展提供理论支撑与实践指引。

关键词： 大国战略   国际形势   智能制造   2025   制造业  

摘要： 当前,随着复杂多变的国际形势及大国战略竞争和博弈的加剧,全球制造业竞争格局发生深刻变化,我国制造强国建设进入新的阶段。与此同时,新一代人工智能等技术快速演进,为制造业生产方式、发展模式和企业形态带来深远影响。2025年是“十四五”规划收官之年,也是“十五五”规划谋篇布局之年。《政府工作报告》大篇幅提及制造业,明确提出因地制宜发展新质生产力,大力推进新型工业化,做大做强先进制造业等重点工作任务。

关键词： 突发性聋   机器学习   预测模型  

摘要： 突发性聋由于其病因及发病不明确,目前国内外仍没有统一的治疗方案。临床上面对不同的突发性聋患者也无法直接预估出患者预后的有效率和制定出最适合患者的治疗方案。随着大数据及计算机信息时代的发展,机器学习(machine learning, ML)为代表的人工智能应用可帮助实现患者教育及医患共同决策从一个抽象的概念转化为具体的可操作形式,从而评估疾病预后有效率及制定疾病的治疗方案。研究综述ML预测模型建立的全过程及在突聋中的应用,旨在为临床医务人员提供突聋疗效评估及方案制定的相关参考信息,更好地实现医患共同决策及提高突聋的疗效。

关键词： 人工智能   新闻泰勒主义   新闻业转型   平台依赖   数字封建主义   数字公地  

摘要： 通过跨国比较与多学科交叉并整合全球人工智能新闻业权威报告,首次提出“新闻泰勒主义”(Journalistic Taylorism)这一概念,以揭示当前新闻业所面临的三重制度性危机:其一,算法介入导致生产流程高度标准化,造成记者“去技能化”与职业异化;其二,平台依赖通过“算力—API—数据”闭环塑造“数字封建主义”(digital feudalism),迫使媒体向科技巨头输送“数据贡赋”;其三,“可见性剥夺”与“算法规训”重构公共领域,令社会认知呈“带宽压缩”,多元叙事被同质化内容取代。针对内部流程、技术垄断与公共价值失范三大层面,提出“制度—技术—价值”三维治理视角,并强调“数字公地”建设在破除垄断、推动新闻转型中的关键作用。

关键词： 骨折   下肢   静脉血栓形成   机器学习  

摘要： 目的基于机器学习(machine learning,ML)模型和Shapley加性解释(Shapley additive explanations,SHAP)构建预测下肢骨折患者术后深静脉血栓形成(deep vein thrombosis,DVT)风险模型。方法选取我院2022年2月至2023年12月手术治疗的202例下肢骨折患者。通过Boruta算法筛选术后DVT重要特征变量。202例患者以3∶2比例分为训练集(n=121)和测试集(n=81)来构建和训练9种ML模型。使用接收者操作曲线(receiver operating features curve,ROC)评估9种ML模型预测性能。通过SHAP值附加解释ML模型并构建预测下肢骨折患者术后DVT风险模型。结果202例下肢骨折患者术后DVT发病率为20.3%。Boruta算法筛选出空腹血糖(fasting blood glucose,FBG)、红细胞(red blood cells,RBC)、血红蛋白(hemoglobin,Hb)、D-二聚体(D-dimer,D-D)、纤维蛋白原(fibrinogen,FIB)和吸烟是术后DVT重要特征变量。9种ML算法中,训练集和测试集的ROC证实极限梯度提升(extreme gradient boosting,XGBoost)模型预测术后DVT风险性能最高。基于SHAP值附加解释和可视化的XGBoost模型能以极高准确度预测DVT风险并生成在线应用程序。结论基于SHAP值解释的XGBoost模型能精准预测下肢骨折患者术后DVT风险。基于此开发的在线应用程序能够实时计算患者术后DVT风险。