关键词： 人工智能   智慧云创园   智慧教室  

摘要： 南京市太阳城小学坚持理念引领,通过着力智慧云创园的高位发展、开展智慧云创园的创意设计、推进智慧云创园的课程创新、保障智慧云创园的育人效果等措施,打造项目集群式的智慧教室,为学校特色教育体系构建,赋能学校特色发展提供专业支撑。

关键词： 数据融合   机器学习   配电网   智能巡检   故障定位  

摘要： 针对配电网智能巡检与故障定位的需求,提出了一种基于数据融合与机器学习策略的方法。通过分析配电网运行数据,结合先进的数据处理技术与机器学习算法,实现了配电网的实时监控、故障预警与定位。介绍了数据融合方法、机器学习算法及其在配电网中的应用,为提高配电网运维效率提供了理论依据和技术支持。

关键词： 人工智能   传统播音员主持人   智能主持  

摘要： 新媒体技术日新月异,传媒行业正经历着深刻的转型与重构。其中,人工智能(AI)技术的引入尤为引人注目。本文从智能媒体时代的视角出发,分析AI主播的独特优势对传统播音员主持人的职业生态带来的挑战,探讨在技术主导的新媒体环境中,传统播音员主持人如何凭借自身独特的优势,将挑战转化为发展的动力,实现与AI技术的共生共荣,共同推动播音主持行业的进步。

关键词： 无缝钢管   智能制造   数字技术   实践探索   转型升级  

摘要： 钢管,即钢制材料管材,被广泛应用于化工、石油、海洋、地质及军工等领域,在我国经济发展体系中占据重要地位。无缝钢管作为钢管的一大类别,因生产技术难度较大,其产品附加值要远远高于焊接钢管。因此,无缝钢管常被用于高温高压、低温高温、高腐蚀等恶劣环境,是国防建设、经济建设的基础性原材料。随着数字时代的全面到来,全球工业发展进入了信息化、智能化的“快车道”,工业生产技术已进入全盛阶段。实践表明,将智能制造用于无缝钢管生产中,提升了20%的产能,降低了7%的能介消耗,人员比例优化后提升了7%。总之,促进无缝钢管的智能制造具有显著的经济和社会效益。

关键词： 人工智能   全球治理   联合国   人类命运共同体  

摘要： 人工智能技术与应用的迅猛发展引起国际社会的广泛关注,人工智能全球治理呈现新局面。面对复杂多变的人工智能治理议题,国家行为体和非国家行为体竞相出台治理政策、创新治理工具、谋求治理话语权。但是,人工智能治理的有效供给明显落后于治理需求,在应对人工智能所带来的全球性挑战时表现乏力。人工智能全球治理困境缘于制度性、政治性和合法性阻碍。借鉴“机制安排”和“关系建设”的治理理念,构建以联合国为“纽带”的人工智能治理“命运共同体”,有助于国际行为体合力应对人工智能可能带来的各种挑战。

关键词： 人工智能   可解释性   医学影像   医患交互   可解释方法评估  

摘要： 人工智能可解释性指人们理解和解释机器学习模型决策过程的能力。该领域的研究旨在提高机器学习算法的透明度,使其决策更加可信和可解释。可解释性在人工智能系统中至关重要,尤其是在医疗、金融和法律等敏感和关键的决策领域。提供可解释性有助于人们更好地理解模型决策背后的逻辑推理,从而确保其决策过程的公正性和稳健性,并符合伦理标准。在不断发展的人工智能领域,提高模型可解释性是实现可信、可持续发展人工智能的关键一步。该文概述了人工智能可解释的发展历史和各种可解释方法的技术特点,在医疗领域的可解释性方面进行了更深入的探讨。此外,该文还对当前各种人工智能可解释方法在医学影像数据集上的局限性进行了分析,并提出了未来可能的探索方向。

关键词： 储层保护   人工智能   损害预测   储层敏感性   智能决策系统  

摘要： 储层保护在油气勘探开发全过程中具有重要的战略意义,深层油气资源开发环境复杂、技术要求高,完善的储层保护技术能够保障油气勘探开发过程实现“少投入、多产出、显著提高经济效益”的目的,应该重视其在钻井、完井、采油等各个阶段中的关键核心作用。近年来,机器学习等人工智能技术得到广泛应用,为储层保护提供了智能化的解决方案,智能化储层保护技术成为大势所趋。通过系统归纳近年来储层保护与人工智能技术融合的相关文献,分析了储层保护中所使用的模型方法、敏感性损害预测数据集特征、智能决策系统开发及应用的研究现状。总结“人工智能+储层保护”技术的落地局限性,主要表现在:第一,数据质量参差不齐,导致模型的输入基础不够可靠;第二,应用场景复杂,各类油气田的工程环境差异大,模型在应对复杂情况时效果不一;第三,模型泛化能力较低,在不同场景中的适用性受到局限;第四,配套软件研发体系不够成熟,制约了软件的落地应用。针对现有问题,提出未来发展的重点方向:首先,需要进行数据治理以提升数据质量,构建高质量的储层保护数据库;其次,应该在智能模型中融入储层保护领域的专业知识,提高模型精度;第三,需要增强模型的可解释性,提升技术人员对模型预测结果的信任度;最后,开发基于大模型环境的智能决策支持系统,实现更高层次的智能化储层保护方案。

关键词： 人工智能   编舞   主体性   编舞家   作者之死  

摘要： 人工智能对人类生活产生的巨大效应已蔓延至过往被视为人类专属的创造性领域,舞蹈创作亦无法幸免。人工智能非但停留在人类编舞家的工具上,其创作程序甚至能在一定程度上替代人类成为编舞的主体,进而拥有操纵和限制人类舞者的力量。即人工智能掌控了舞蹈领域,人类编舞家成为“无能的观照者”,而舞者的身体沦为被人工智能控制和操纵的机械身体。这几乎可视为又一次“作者之死”。联系由《作者之死》催生的相关代表性论述,剖析人工智能与人类主体性之间的内在联系发现,一方面,侧重形式化与规范化的编舞技法研究范式,在人工智能时代背景下亟需新的审视与评估;另一方面,人工智能编舞的特殊效应非但对传统人类编舞家的地位构成潜在挑战,且从根本上重启了关于人类与机器主体性界定的深刻探讨。

关键词： 机器学习   预测模型   时间序列   二次供水   余氯  

摘要： 氯是城镇饮用水系统中运用最为广泛的消毒剂,能够有效控制水中细菌滋生,二次供水系统的余氯是确保“最后一公里”水质安全的重要指标,建立二次供水系统余氯变化规律预测模型实现提前预警,对保障末端饮用水安全具有重要意义。文章通过相关性分析方法得出与余氯具有较强相关性的指标为浑浊度与温度,基于2022年上海市二次供水监测点的余氯、浑浊度和温度数据,采用机器学习方法对未来时刻的二次供水余氯进行预测,建立以当下时刻的余氯-浑浊度多指标、余氯-温度多指标和余氯单指标为输入的3种模型,并采用确定性系数(R^(2))、平均绝对误差(MAE)、平均偏差(MBE)以及均方根误差(RMSE)等多元评估标准来衡量模型性能。结果表明,3种模型的相对误差基本控制在10%以下,预测模型均可以满足实际二次供水监管点余氯的预测需求,按照预测准确度降序排列为:余氯-浑浊度预测模型、余氯自预测模型、余氯-温度预测模型。

关键词： Python程序设计   人工智能   教学改革  

摘要： 在新工科背景下,非计算机专业的Python教学需更加注重理论与应用的融合。为更好地适应新工科建设的快速发展,并与各专业紧密结合,教学改革在原有的线上线下考察模式基础上,将人工智能融入Python教学。通过翻转课堂和AI大模型,以专业项目为引导,教会学生如何将Python具体应用于专业领域。设置多种考核方式,使学生在学习理论知识的同时,能够更深入地接触和理解Python编程语言,以及Python在专业知识中的融合与应用。