关键词： 人工智能   人的主体性   应对策略  

摘要： 人工智能作为智能时代数字技术的新兴产品,其本质是合乎人目的的生产手段,是人的本质力量的对象化。人工智能技术及产品的应用,既给人类的生产生活带来革命性的变化,也对人的主体性产生直接冲击,这直观作用于人的独立人格、创造性和自主性、社会角色、交往关系等主体性意识;应对人工智能对人主体性冲击理应遵循人是实践主体原则、坚持人的价值理性引导技术理性、完善人机共生的伦理规则、以制度规约资本与技术逐利本性,以达到合理规约智能技术及其产品的应用服务人的主体性重塑与复归,将人工智能视为与人共生并在互动共进中成长的人的本质力量对象化产物,安放在增进人类福祉、服务人的全面发展的位置。

关键词： 人工智能   记者   媒体行业变革   “AI记者”  

摘要： 以AI为代表的新兴技术是发展传媒新质生产力的原动力,是每一位记者已经置身其中的“未来”。然而,看似“无所不能”的AI,在现阶段未能完全取代记者。实践证明,无论从对新闻现实的坚守、对新闻价值的判断还是对新闻伦理的把关,AI的表现均不尽如人意。在此背景下,本文探讨了新闻记者要如何在这场技术带来的大浪淘沙中发挥自身的特殊性,在逆境中寻求自我变革。

关键词： 大数据分析   电厂集控   故障预测   机器学习   仿真模拟  

摘要： 在电力系统规模不断扩大背景下,电厂集控运行复杂程度越来越高。为提高电厂集控运行故障预测效率,文章提出了基于大数据分析的故障预测模型,以提前识别潜在运行故障,进而最大程度提高电厂运行效率和安全性。文章通过收集和分析电厂运行中的海量数据,结合机器学习算法,构建电厂集控运行故障预测系统,并借助仿真模拟法,验证基于大数据分析的电厂集控运行故障预测有效性,期望能够给同领域专业技术人员提供理论支持。

关键词： 人工智能   社会不平等   后知识社会  

摘要： 人类历史很可能正迎来一场人工智能革命———步入一个由其主导经济生产和社会生活的新阶段。在本文中,我们聚焦基于大语言模型的生成式人工智能的社会影响,分析促进其技术发展的社会因素,并讨论其在扩大国际和国内社会不平等方面的潜在影响。已有迹象表明,中美两国将在这一领域占据领先地位,并成为争夺世界人工智能主导权的主要竞争者。我们推测,人工智能革命可能会催生一个“后知识社会”,在这个社会中,知识本身不再像今天这样重要。相反,个体关系、社会身份,以及软技能(包括有效使用人工智能的能力)将变得更加重要。

关键词： 人工智能   AIGC   劳动教育课程   课程教学  

摘要： 随着人工智能技术的快速发展,人工智能生成内容(AIGC)等高新技术正在改变高校劳动教育课程的教学方式。然而,这种变化也带来了技术、身份、知识和道德方面的挑战。为了应对这些挑战,本文提出从技术动能补给构建“硬核技术-柔性教育”共生范式、主客关系重构建立“人机协同-价值引领”新秩序、知识静脉重塑打造“虚实融合-认知迭代”空间拓扑网络、伦理防护体系构筑“技术向善-教育育人”防护堤坝四个维度展开实践路径探索,以期为高校劳动教育课程的创新与实践提供参考与借鉴。

关键词： 人工智能   高校   思想政治工作   引领力  

摘要： 在人工智能技术革命迅速发展背景下,将人工智能手段与思政工作进行密切融合可以为高校带来新的发展机遇,增强思政工作实效性,解决学生存在的个性化思想认知问题,推动思政工作体系现代化改革发展。人工智能可以借助深度学习、人机协同、跨界融合等技术为高校思政工作赋予新动能,重塑工作机制、认知架构,扩大思政工作覆盖范围。基于此,文章对人工智能对高校思想政治工作的积极作用进行了分析,提出了新时期思政工作所需的调整和优化策略,以期为思政工作创新提供参考。

关键词： 重组全球要素资源   数字经济   生产要素   数据要素   人工智能  

摘要： 当前,以数据为关键要素的数字经济,发展速度之快、辐射范围之广、影响程度之深前所未有,正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。特别是人工智能技术的快速发展,对数据要素的发展提出了更高的新要求。可以说,人工智能的发展与数据的开发利用、价值化、市场化是互相促进的,与高质量数据是密不可分的,高质量数据与人工智能的结合,能够发挥出“数据×人工智能”倍增效应。我国是首个将数据列为生产要素的国家。

关键词： 采油井   增产措施   效果预测   机器学习   模型优化  

摘要： 采油井措施增产效果预测对油田高效开发具有重要意义。基于机器学习方法,结合地质储层特征、生产动态数据和措施参数,构建了一种新的增产效果预测模型。以胜利油田为例,采用集成学习技术,融合随机森林和梯度提升树算法,对183口典型采油井的数据进行分析,预测模型的平均相对误差为8.2%,较传统多元线性回归方法提高15.6%的准确率。结果表明,该模型能有效优化方案设计,提高增产效果预测的准确性,为油田精细化管理和高效开发提供了决策支持。

关键词： TBM   振动监测   信号降噪   机器学习   围岩感知  

摘要： TBM破岩振动与掌子面在掘岩体状态密切相关。为探究TBM振动应用在围岩感知领域的可行性,以新疆某TBM隧道工程为例,采集不同围岩条件下的TBM主梁振动信号,采用小波阈值方法进行信号降噪,从时域、频域和时频角度分析不同围岩类别下的振动信号特征,并选取与岩石单轴饱和抗压强度(UCS)和岩体体积节理数(Jv)相关性最高的5项振动特征指标建立围岩参数感知数据集,在此基础上分别开发了BP神经网络模型和SVM模型,最终通过验证集和测试集数据对模型的感知效果进行验证和对比。研究结果表明:采用小波阈值降噪方法降噪后振动峰值及平均值与围岩类别的相关性分别提高了7.56%和12.20%。整体来看,TBM破岩振动能量主要集中在低频范围,而随围岩类别由Ⅳ类到Ⅱ类,振动强度和振幅逐渐增加且高频成分的能量占比逐渐增大。在26项振动特征参数中,平均值、峰峰值、峭度、重心频率和均方根频率与围岩参数的相关性最高,Pearson相关系数都在0.7以上。模型测试发现BP神经网络模型对UCS和Jv的预测误差分别少于2%和8%,相比SVM模型同比减少50%和53%,预测效果更好。研究结果可为TBM施工围岩参数实时感知技术创新提供借鉴和参考。

关键词： 机器学习   神经网络   物理信息   深度能量法   应力分析  

摘要： 采用机器学习结合计算力学分析了带孔薄板的应力问题,其中数据驱动神经网络依赖于输入数据,通过学习数据中的模式来进行预测。物理信息神经网络通过嵌入平衡方程,提高了准确性和泛化能力。深度能量法根据最小势能原理构造损失函数,计算效率和准确性明显更优,给出了其在双向均匀拉伸和非均匀拉伸下的Von Mises应力和误差云图,误差不超过5%。与机器学习的交叉有力地促进了计算力学研究范式的创新,并不断拓展其深度和应用范围。