关键词： 协同演化   机器学习   文本与数据挖掘   权利限制条款   结构重塑  

摘要： 基于技术与制度协同演化理论来应对机器学习对于著作权权利限制条款的挑战,有助于突破技术作用于制度或者制度作用于技术的单向视角局限,填补制度与技术相互作用的动态视角盲区。日本著作权法的立法创新体现在两方面:一是通过权利限制条款的结构重塑,来应对人工智能等新兴技术对现行著作权法的制度挑战;二是通过将文本与数据挖掘特定技术场景纳入权利限制范畴,为人工智能技术进步创设更为充分的制度允纳空间。我国《著作权法》中权利限制条款的结构重塑,应在制度与技术协同演化的总体思路下展开,根据著作权人的不利益程度划分成为三大类,并为之单独设计权利限制条款。机器学习对于作品的使用不会给著作权人带来规范性损害,其权利限制条款的设计思路可分为三步:首先通过抽象性条款来增强法律适用的灵活性,然后通过列举方式将以文本与数据挖掘为代表的特定技术纳入其中,最后通过但书条款的设计来确保著作权人的利益不受显著损害。

关键词： 中医药   人工智能   高质量发展大会  

摘要： 4月23—24日,第四届中医药高质量发展大会在浙江乌镇召开。大会主题为“中医药+人工智能”。此次会议由现代中药创制全国重点实验室、天津中医药大学主办,现代中医药海河实验室、国家现代中药创新中心承办。大会重点围绕人工智能在临床诊疗、科学研究、人才培养、产业发展等方面的应用需求展开深度研讨,共商智能时代中医药发展策略和重点任务,为制定相关政策规划提供智力支持。

关键词： 人工智能   全球治理   人工智能治理  

摘要： 人工智能技术发展在带来技术红利的同时也引发了诸多风险。当前,人工智能全球治理存在碎片化、市场集中与倾斜、安全与伦理风险升级等问题。我国参与人工智能全球治理面临技术主权博弈加剧、治理规则协调难、地缘政治干扰等挑战,同时也具备技术与产业发展迅速、数据资源丰富、国际合作广泛开展等有利条件。我国应通过发展“硬科技”和制定“软规则”,推动构建人工智能全球治理体系,为构建网络空间命运共同体贡献力量。

关键词： 工业互联网   服装产业   智造平台   生态化发展   产业数字化   智能制造  

摘要： 为了使服装产业的智能化逐渐从单点场景赋能扩展至全局智能优化,在实现智能化管理的同时,达到区域资源整体优化配置和整体运营效率提升的目标。针对我国服装业发展现状与问题,结合梅特卡夫定律和群体智能理论,提出工业互联网赋能服装产业的策略。从单点优化、全面互联、全局智能3个层次,深入阐释工业互联网的概念和要素,并提出基于工业互联网的服装智造平台及其生态构建的具体步骤。通过建设服装工业互联网,从企业、产业链、行业特色工业互联网平台、产业集群生态4个层次进行赋能,逐步实现服装产业数字化转型,打造虚实结合“脑体”协同发展的产业生态体系。催生新场景、新模式、新业态及新空间,落实平台化设计、智能化制造、网络化协同、个性化定制、数字化管理及服务化延伸等创新模式,推动服装业向智能化、高端化、绿色化及品牌化演进,助力提升行业整体竞争力。

关键词： 关节炎   影响因素   机器学习  

摘要： 目的 了解2009-2018年中国老年人关节炎发生的影响因素并基于机器学习构建关节炎发生风险的预测模型,为老年人关节炎的防治提供科学依据。方法 选取中国老年健康与家庭幸福调查(CLHLS-HF)中2009年未患关节炎且能连续随访至2018年的65岁及以上老年人为研究对象,收集其一般情况、健康状况、生活习惯及心理状况等资料。采用SPSS 25.0进行统计分析,使用多因素logistic回归模型分析老年人关节炎发生的影响因素。采用logistic回归(LR)、支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)、深度神经网络(DNN)和卷积神经网络(CNN)6种机器学习方法构建关节炎发生风险的预测模型,对模型性能进行评价。结果 共纳入1 955名老年人,平均年龄为(75.1±8.3)岁,其中女性占51.2%(1 001/1 955)。2009-2018年,老年人关节炎发病率为16.9%(331/1 955)。多因素logistic回归分析结果显示,女性(OR=1.681,95%CI:1.314~2.151)、65~79岁(与≥80岁相比,OR=1.429,95%CI:1.075~1.898)、医疗服务不可及(OR=1.811,95%CI:1.167~2.813)、高血压(OR=1.379,95%CI:1.041~1.825)、糖尿病(OR=1.904,95%CI:1.061~3.418)、基础性日常生活自理能力差(OR=2.112,95%CI:1.096~4.070)与老年人关节炎高风险相关(P<0.05,P<0.01)。关节炎风险预测模型中,XGBoost具有最高的灵敏度(0.737)、较好的阴性预测值(0.880)以及较佳的校准度(0.165),展现了较好的综合性能。结论 应重点关注女性、年龄65~79岁、医疗服务不可及、高血压、糖尿病及基础性日常生活自理能力差的老年人关节炎的防治。机器学习模型在关节炎早期筛查中有着一定的应用价值。

关键词： 人工智能   纺机产品   运维管理   模型优化   智能算法  

摘要： 本研究旨在探讨基于人工智能的纺机产品运维管理模型的构建和优化。通过对纺机产品运维管理现状进行分析,发现传统管理模式存在效率低下和成本高昂的问题。因此,本研究提出了基于人工智能技术的新型运维管理模型。首先,利用数据采集与处理技术获取大量设备运行数据,并通过机器学习和深度学习算法对数据进行分析和挖掘,实现对设备运行状态的实时监测和预测。其次,采用智能调度算法优化设备运行计划,提高生产效率和资源利用率。同时,建立了纺机产品运维管理信息化平台,实现对设备运行状态的远程监控和智能化管理。最后,通过实验验证和效果评估,验证了基于人工智能的纺机产品运维管理模型的有效性和实用性。

关键词： 人工智能   思想政治理论课   挑战  

摘要： 2024年政府工作报告提出开展“人工智能+”行动,高校思想政治理论课接受人工智能的洗礼已是大势所趋。人工智能助推高校思想政治理论课的变革,使教学目标更精准化、教学内容更科学化、教学环境更智能化、教学评价更动态化,同时也面临思政课教师对智能技术掌握不足、教育过程人文关怀缺失、智能技术应用存在隐私泄露的风险等现实困境。对此,高校可以从提升教师智能化素养、彰显人文关怀和建设保障机制等方面入手,推动高校思想政治理论课在人工智能时代实现高质量发展。

关键词： 婴儿   心脏病   低剂量   体层摄影术,X线计算机   人工智能  

摘要： 目的观察深度学习全模型迭代算法(AIIR)用于重建先天性心脏病婴儿胸部低剂量CT图像的价值。方法前瞻性纳入262例拟接受胸部CT检查的先天性心脏病婴儿,随机将其分为低剂量组(n=142)与常规剂量组(n=120)。对低剂量组以管电压80 kVp、管电流10 mAs行胸部CT扫描,分别采用混合迭代重建(HIR,A组)和AIIR(B组)重建图像;对常规剂量组以管电压80 kVp、管电流100 mAs行胸部CT扫描,以HIR重建图像(C组)。比较3组图像主、客观评价结果,分析AIIR的价值。结果3组图像质量及显示结构清晰度差异均有统计学意义(P均<0.001)。除显示叶间裂清晰度外,B、C组图像主观评分差异均无统计学意义(校正P均>0.05),而A组图像主观评分均低于B、C组(校正P均<0.05)。3组肺实质噪声(SD)、信噪比(SNR)及对比度噪声比(CNR)差异均有统计学意义(P均<0.001),且两两比较差异均有统计学意义(校正P均<0.05)。低剂量组与常规剂量组有效剂量分别为0.09(0.08,0.10)及0.85(0.75,1.03)mSv,前者低于后者(Z=-13.942,P<0.001)。结论利用AIIR可使先天性心脏病婴儿胸部低剂量CT图像质量与常规剂量扫描相当。

关键词： 机器学习   关节液   免疫因子   膝骨关节炎(OA)   类风湿关节炎(RA)  

摘要： 目的基于膝关节液中免疫因子、细胞计数分类、膝关节液涂片结果等25个指标,建立用于区分膝骨关节炎(OA)与类风湿关节炎(RA)的机器学习模型。方法分别选取100例和40例择期进行膝关节置换术的OA与RA患者。在术前抽取患者的膝关节液,检测其中的有核细胞计数及分类,测量免疫因子包括肿瘤坏死因子α(TNF-α)、白细胞介素1β(IL-1β)、IL-6、IL-8、IL-15、基质金属蛋白酶3(MMP3)、MMP9、MMP13、类风湿因子(RF)、血清淀粉样蛋白A(SAA)、C-反应蛋白(CRP)等的表达水平,并进行涂片染色及镜检分类。通过单因素二元Logistic回归、Lasso回归和多因素二元Logistic回归筛选OA或RA的独立影响因子。基于独立影响因子分别构建逻辑回归、随机森林和支持向量机3种机器学习模型。使用受试者工作特征曲线(ROC)、校准曲线、决策曲线分析(DCA)对各模型进行评价和比较。结果共筛选出5个用于区分OA与RA的膝关节液指标,分别是IL-1β[优势比(OR)=10.512,95%可信区间(95%CI)为1.048-105.42,P=0.045)、IL-6(OR=1.007,95%CI为1.001-1.014,P=0.022)、MMP9(OR=3.202,95%CI为1.235-8.305,P=0.017)、MMP13(OR=1.002,95%CI为1-1.004,P=0.049)、RF(OR=1.091,95%CI为1.01-1.179,P=0.026)。综合ROC、校准曲线、DCA的结果,随机森林模型的准确性(0.979)、敏感度(0.98)、曲线下面积(AUC为0.996,95%CI为0.991-1)均最高,且具有良好的有效性和可行性,其区分能力优于其他2种模型。结论基于膝关节液免疫因子建立的机器学习模型在区分OA与RA方面有一定价值,能够为临床早期鉴别诊断和防治OA与RA提供参考。

关键词： 智能制造   增材制造   人才需求   对策建议  

摘要： 调研浙江省智能制造企业上下游产业链对增材制造技术的多元需求,旨在为增材制造技术专业人才培养体系的革新提供借鉴。本文采用问卷调查、文献研究、电话访谈等调研手段,聚焦增材制造行业的现状、岗位特性需求及策略建议,深入挖掘人才培养在知识框架构建、专业技能掌握以及综合素养提升等方面的核心要素,并据此精准设定增材制造技术专业的培养目标,明确其核心发展路径与未来发展趋势。分析揭示,在智能制造时代,增材制造行业正面临人才总量匮乏、培养规模与市场需求错位、复合型人才培育难度加大等关键问题,并提出对策建议。