关键词： 人工智能   创新潜质人才   义务教育  

摘要： 在中小学开展人工智能普及教育已成为共识。然而,如何在中小学开展人工智能课程,其目标是什么、内容有哪些、推进措施有哪些,都亟待解决。为有效推进中小学人工智能课程,深圳教育局联合多部门协同部署人工智能教育工作,明确人工智能课程的定位与理念、目标与内容等。在具体实施和推进上,深圳市从四方面抓起:牵头难点,贯通全学段开展课程;平台引进,开放全平台依效付费;典型示范,推进教师多维度探索课程;以赛促研,创新人工智能课程实践。

关键词： 国家战略   翻译研究   中译外研究   人工智能   “中国特色”翻译理论   翻译行业  

摘要： 服务国家战略需求,彰显社会公共利益,是新时代中国翻译研究的核心定位与指导原则。在访谈中,张威教授系统阐述了翻译研究在新时代积极服务国家战略发展的重要性,探讨了新时代中国翻译研究的原则与发展方向、国家战略视角下翻译研究的重点方向、“中国特色”翻译理论的争议与发展、中译外研究的核心议题、中国特色话语的对外传播、翻译研究的社会价值、翻译教材建设、人工智能对翻译行业的影响与挑战等重要议题。这有助于从整体上把握新时代中国翻译研究的发展战略和关键议题,推动中国翻译研究的可持续发展。

关键词： 人工智能   推理方法   革命浪潮   应急管理   AI   推理能力   结构化   众星捧月  

摘要： 近年来,“人工智能”在各行各业掀起前所未有的革命浪潮,尤其是2025年春节以来,以DeepSeek为代表的大模型,成了众星捧月的AI明星。该模型以其强大的推理能力著称,专注于解决复杂问题,它采用“链式思维”推理方法,能够进行逐步分析和结构化解决方案。目前,在我国各行各业,接入以DeepSeek为代表的大模型,成为一种时尚。2025年省应急管理厅“新春第一会”上,厅主要负责人提出,应急管理工作必须紧跟时代浪潮,积极探索运用数智化手段加强安全风险防控。

关键词： 溢出效应   关键技术创新   基础研究   智能制造  

摘要： 2024年12月,中央经济工作会议强调,加强基础研究和关键核心技术攻关,超前布局重大科技项目,开展新技术新产品新场景的大规模应用示范行动。关键技术体系的构建对我国实现高质量发展具有极为重要的意义。尽管关键技术价值重大,但激励企业广泛开展研发活动通常较为困难。

关键词： 污水管道   缺陷检测   机器学习   效率优化  

摘要： 为了解决传统污水管道缺陷检测流程存在的效率低下、资源浪费以及高强度工作下人工漏检率高等问题,使用机器学习算法构建了一套针对地下污水管网缺陷的两阶段诊断方法。首先利用管道历史数据构建缺陷发生概率估算模型,识别高危管段,而后针对高危管道实行进一步的管道潜在缺陷智能检测。以广东省中山市某区域为实例,验证模型对高危管段识别、潜在缺陷诊断的精确性。结果表明,构建的城市地下污水管网缺陷隐患两阶段排查方法有效提高了地下污水管道缺陷的整体排查效率。

关键词： 联邦学习   隐私攻击   机器学习  

摘要： 联邦学习作为一种新兴的分布式机器学习框架。在保护用户隐私的同时实现数据共享与模型训练,已逐渐成为人工智能领域的重要研究方向。该方法通过多个数据提供方共同训练机器学习模型,能够在不泄露原始数据的前提下完成模型更新和优化。近年来,联邦学习因其在医疗、金融等领域的广泛应用而备受关注。然而,随着技术的不断发展,学术界也提出了多种针对联邦学习框架的攻击手段。本文对联邦学习领域中常见的攻击方法进行了系统性分析与分类。通过对现有攻击方法的不同属性进行深入研究,本文提出了基于攻击特性的分类策略,并基于这一分类策略对已有攻击方法进行了全面的总结、归纳和介绍。例如,根据攻击方法的目标性质,本文将其划分为模型污染,数据污染攻击、成员推理,重建推理攻击等类别。此外,为了解决这些漏洞,学术界在联邦学习框架内提出了多种防御策略。针对现有的多种攻击模型,本文还总结了一系列防御策略。这些防御策略主要基于防御原理,包括鲁棒聚合、模型对抗,差分隐私方法以及同态加密、多方计算等技术。通过系统地总结和分析现有的防御模型,本文不仅为理解现有防护机制提供了清晰的框架,也为未来研究方向提供了新的思路。例如,如何在有限资源条件下实现不同粒度的防御策略,如何在压缩通信量的同时保持模型训练效果的提升,以及将非监督学习应用到联邦学习等问题均成为未来值得深入探索的研究方向。

关键词： 机器学习   贝叶斯正则化人工神经网络   RFID   健康监测   裂纹检测  

摘要： 提出了一种基于机器学习的煤矿输送带健康监测方法,利用RFID技术通过分析接收信号强度指示器数据,建立了贝叶斯正则化人工神经网络模型。通过物理实验验证了该模型在不同裂纹类型和宽度下的有效性。实验结果表明,该模型在裂纹检测任务中达到了97.2%的高准确率,显著优于传统的机器学习算法如支持向量机、决策树和线性判别分析。研究表明,所提健康监测方法不仅在裂纹检测中具有很高的准确性和泛化能力,还能够实现实时监测。

关键词： 机器学习算法   肿瘤病人   经外周静脉置入中心静脉导管   导管相关性血流感染   预测模型  

摘要： 目的:探讨肿瘤病人经外周静脉置入中心静脉导管(PICC)相关性血流感染预测模型的构建及效能验证。方法:选取2021年4月—2023年3月收治的肿瘤病人2 608例作为研究对象,所有病人住院期间均行PICC导管置管,根据病人是否发生PICC导管相关性血流感染分为发生组和未发生组。基于机器学习算法,分别采用支持向量机(SVM)、XGBoost及Logistic回归分析方法构建肿瘤病人PICC导管相关性血流感染发生预测模型,并进行分析比较,得出具有预测效能的算法模型。结果:两组病人的血小板计数、PICC留置时间、导管留置时间、伤口敷料类型、是否有导管移位以及单次置管穿刺次数比较,差异有统计学意义(P<0.05);XGBoost预测模型中血小板计数对模型影响最大,其次为D-二聚体水平;在SVM模型中,血小板计数的沙普利加性解释(SHAP)值最大,表明其对模型的影响最为明显;而Logistic回归模型中最终纳入PICC留置时间、导管留置时间、伤口敷料、是否有导管移位、单次置管穿刺次数5个因子,且XGBoost预测模型区分能力最高。结论:病人是否发生PICC导管相关性血流感染在多个指标上有差异,且不同模型的影响因素不同。SVM及XGBoost构建的预测模型的敏感度与准确度上优于Logistic回归模型,可以对PICC导管相关性血流感染风险作出相对精准的评估和预测,在临床工作中能有效降低PICC导管相关性血流感染的发生率。

关键词： 人工智能   商事仲裁   过程控制   结果控制   技术依赖  

摘要： 人工智能可以大幅提升仲裁庭审阅证据的效率,但其运行过程的自主性和黑箱属性却可能导致失控风险。特别是,传统观点将过程控制模式作为控制人工智能的核心方案,其可行性建立在算法透明的基础之上,其本质是一个技术问题。在现有技术条件下,算法黑箱的加剧、算法权力的异化和算法歧视的固化很难得到克服,当事人、仲裁庭和仲裁司法审查法院对人工智能一时难以实现过程控制。重新审视过程控制模式可以发现,其目标在于通过过程透明实现结果透明,确保当事人、仲裁庭和仲裁司法审查法院在知情的前提下自主决定人工智能的审阅结果是否生效。因此,只要当事人、仲裁庭和仲裁司法审查法院对人工智能的审阅结果保持知情,并有权对其进行解释、修改、接受和拒绝,就可控制人工智能审阅结果产生效力的通道,进而对人工智能实现结果控制。

关键词： 人工智能   生物教学   个性化  

摘要： 随着人工智能的持续发展,其教育领域应用的重要性日益凸显,也为初中生物学教学提供了新的契机。基于此,提出人工智能在生物学教学中存在的问题,如真实性不强、无法替代实验环节以及缺乏情感与人机互动等问题,总结人工智能在生物学教学中能够提供个性化的学习计划、即时的答疑解惑服务以及高效的概念讲解方法,通过智能化手段,如算法跟踪学习进度、推荐学习资源、提供实验设计优化建议等,助力学生构建坚实的知识体系。