关键词： 人工智能   政治安全   认知战   中美关系   人类命运共同体  

摘要： 认知战是从认知层面扭曲或摧毁目标群体的思想以达到战略目标的新战法,是AI时代大国竞争的新场域。依靠人工智能和社交媒体平台的先发优势,美国通过开发深度伪造技术编造虚假信息、投放社交机器人与傀儡账号引导舆论、打造社媒平台形塑受众认知、依托情感计算争夺注意力、利用生成式人工智能传输价值偏见等手段,对中国开展了全方位的认知战攻势。美国以理论构建与技术实践对我国网络主权发起双重攻势,以“智能虚无+情绪政治”制造政权认同裂痕,鼓吹“数字威权主义”制造政治制度偏见,以技术赋权的“软性规训”干扰主流意识形态。这给中国包括主权安全、政权安全、政治制度安全和意识形态安全在内的政治安全带来了风险隐患。在应对美国认知战和确保中国政治安全方面,中国需要加强自主媒体平台和数字平台建设,重视政治安全领域议程设置,提升清朗算法能力,不断推动构建人类命运共同体。

关键词： 一次气态污染物   机器学习   卫星遥感   浓度反演  

摘要： 一氧化碳(CO)、二氧化硫(SO_(2))、氮氧化物(NO_(x))等一次气态排放物是空气污染源头控制的重要对象,卫星遥感可实现对其大范围的浓度监测,是对地面站点监测的重要补充。本文基于山西省国控站点、吕梁市微型监测站点、Sentinel-5P/Tropomi卫星和MODIS的相关观测数据、气溶胶光学厚度、气象及其他辅助数据,开展了吕梁市地区0.01°空间分辨率的一次气态排放物浓度估算与制图研究。首先使用DINEOF方法进行卫星遥感缺失数据重构,然后采用极端梯度提升(XGBoost)方法进行浓度估算。研究结果表明,相关一次气态排放物的估算浓度与站点观测值具有良好的一致性,反演结果能更准确地反映城市不同区域的一次气态排放物浓度分布差异性,弥补了因国控站点分布稀疏带来的缺陷,为城市空气质量精准管控提供了更好的服务。

关键词： 马克思机器观   人工智能   数字资本主义  

摘要： 人工智能的兴起与数字资本主义的发展紧密相关,马克思关于机器的论述为分析二者的关系提供了重要的理论依据。在马克思机器观视域下,人工智能是数字资本主义的“技术基础”和“一般生产条件”。人工智能并非为所有人服务。事实上,人工智能主要帮助数字资本完成对其他资本部门的整合以及对劳动过程的形式吸纳和实质吸纳。在可预见的未来,人工智能依旧属于固定资本,但数字资本寡头希望通过制造超级人工智能使固定资本起到“价值创造者”的作用。超级人工智能已经超出资本主义的视域,甚至超出当前人类智慧可以讨论的范围,应当审慎地发展人工智能。

关键词： 机器学习   农田土壤污染   污染识别   材料筛选   修复机理   风险评估  

摘要： 农田作为国家的保护土地资源,与农业生产、食品安全、人体健康有着密不可分的关系。因此,研究农田土壤污染状况对确保粮食质量、保护农田资源具有重大意义。传统的农田土壤污染研究多针对单一场景、污染物或实验条件,难以应对日益复杂的环境问题。随着大数据时代的来临,机器学习逐渐在农田土壤环境保护领域中得到广泛应用,并在土壤污染识别、修复等方面的研究中展现其客观、准确、擅长处理复杂任务的优势。本文介绍了常用的机器学习流程、方式、算法和模型性能评价指标;通过对Web of Science以及中国知网数据库中2011—2023年间相关领域文献进行统计分析,从农田土壤污染的识别、修复材料的筛选与机理研究、生态风险评估三方面综述机器学习在这些领域研究中的应用,分析了其优势和局限性。最后,本文从提升数据共享、增强模型可解释性以及应用迁移学习等新手段提高模型性能等方面进行了展望。

关键词： 人工智能   人际信任   人机信任   差异机制  

摘要： 信任主要源于人类社会中的情感联结,是人际合作和社会发展的基石。尽管人工智能(AI)已具备模仿人类、处理复杂信息并进行辅助决策的能力,人们对AI的信任(即“人机信任”)仍侧重于功能性维度,如对AI的了解和对算法透明度的信赖。在不同任务类型(如认知型任务与情感型任务)下,人们对AI和对人类的信任差异显著。现有研究表明,影响人际信任与人机信任差异的主要因素可归纳为透明度、情感感知、社会身份和伦理道德与责任归属4个维度。因此,构建稳固的人机信任不仅需要持续提升AI技术,还需加强社会对AI技术的认知和理解,以促进人类与AI之间更加和谐的共生关系。

关键词： 算法   算法认知   算法厌恶   算法欣赏   人工智能   数智社会构建  

摘要： 技术发展的关键在于运用,而运用的前提在于人们对于技术的接纳。随着人工智能时代的到来,厘清个体的算法认知对于加快建立智能社会新形态与推动数智社会构建具有至关重要的作用。研究发现,个体对于算法的认知呈现出算法厌恶与算法欣赏的双重表征,并受到情境特征的显著影响。具体而言,当人类被算法完全替代时、面对主观性质的任务时或面临奖励的激励结构时,人们往往表现出算法厌恶的倾向;反之,当人类与算法实现回环时、面对客观性质的任务时或面临损失的激励结构时,人们通常表现出算法欣赏的态度。其中,引发算法厌恶的主要动因包括算法错误与归因偏差、伦理困境与隐私担忧、角色替代与自主威胁;而性能优势与算法熟悉、效率至上与认知卸载、技术光环与象征资本则是促成算法欣赏的主要动因。未来,需要进一步加强跨文化与跨学科研究,在增进人们对于算法理解的同时,进一步释放算法的普惠效应,加快形成智能经济与智能社会新形态。

关键词： 人工智能   英语术语   自动识别   翻译   优化措施  

摘要： 随着人工智能技术的迅猛发展,传统英语术语识别与翻译手段面临诸多挑战,如处理效率低、术语歧义多、上下文适应性差等问题。在自然语言处理与深度学习模型广泛应用的背景下,英语术语自动识别与翻译优化迎来了技术革新的新机遇。通过引入预训练语言模型(如BERT、GPT等),可显著提升术语识别的准确性、领域适配性及翻译一致性。文章系统梳理了当前人工智能在术语识别与翻译中的应用路径,归纳其主要优势与典型场景,分析关键技术瓶颈,并提出从算法优化、数据融合到人机协同的多维改进策略,旨在为专业语言服务智能化提供理论支撑与实践路径。

关键词： 通义   豆包   DeepSeek   ChatGPT   大模型   应用程序   人工智能  

摘要： 当下,只要我们一打开手机或电脑,“人工智能”或“AI”便映入眼帘;从DeepSeek火爆全球,到通义、豆包等各种人工智能App(应用程序)的快速更新,更使人们感受到人工智能如同潮水般地推进。2022年底,当OpenAI推出ChatGPT时,人们不会料到,两年多以后大模型会如此火热。

关键词： 人工智能   医疗损害   可预见性   过错  

摘要： 《民法典》所规定的医疗侵权责任,以过错责任为一般性原则,过错推定为补充,无过错责任为例外。随着诊疗人工智能的广泛应用,该归责模式在实务中仍具有较强的适用性,且应依医疗机构与人工智能生产者的特点来分别考量;医疗机构应在“符合当时医疗水平的诊疗义务”基础上,结合“可预见性”标准综合评估其过错;若诊疗人工智能在应用过程中出现《民法典》第1222条所列情形,则适用过错推定原则,推定医疗机构存在过错,同时诊疗人工智能生产者承担无过错责任;应综合考察各方主体在损害中所起作用,合理界定责任承担主体:可由医疗机构单独承担责任,亦可由双方承担连带责任或不真正连带责任,特殊情况下,双方亦均可不承担责任。

关键词： 人工智能   电网调度   故障诊断   自适应恢复  

摘要： 文章提出的基于人工智能的电网调度故障诊断与自愈策略,通过结合卷积神经网络(Convolutional Neural Network,CNN)与深度强化学习(Deep Reinforcement Learning,DRL)的深度Q网络(Deep Q-Network,DQN),实现了电网故障的快速定位与自适应恢复。实验结果表明,该方法在诊断准确率、自愈时间、恢复成功率及失电节点数等方面显著优于传统方法,特别是在复杂故障场景下展现出更强的适应性和鲁棒性。该研究不仅提升了智能电网的运行效率与可靠性,还为大规模电网系统的故障诊断与自愈优化提供了新的技术路径。未来可进一步优化算法计算效率,探索多智能体协同调度策略,以适应更复杂的电网环境,为智能电网的可持续发展提供重要技术支持。