关键词： 会计伦理   职业道德   人工智能   教育  

摘要： 在AI时代,会计行业面临伦理与职业道德教育的新挑战。人工智能的快速发展使得会计工作自动化和智能化,这要求我们重新审视会计职业的核心价值和伦理标准。文章分析了AI带来的便利与风险,如数据处理的高效性与潜在的道德决策错误。指出当前会计伦理教育的不足,尤其是在新技术不断涌现的背景下,传统教育模式已不适应。提出了更新课程、强化案例分析和采用多元化教学方法等策略,以培养会计专业人员在AI环境下的伦理意识和职业责任感,确保会计职业在技术变革中保持专业性和公信力。

关键词： 人工智能   价值对齐   价值表征   伦理风险   伦理治理  

摘要： 价值对齐作为人工智能技术良善发展的有效手段和必经之路,旨在让大模型的能力、行为与人类的真实意图、价值观以及社会道德准则相一致。如何实现人工智能应用与人类价值判断相匹配,更好地应对人工智能价值对齐的伦理风险成为当前人工智能领域重要议题之一。全面阐释人工智能价值对齐的内涵要义,明确人工智能价值对齐的价值表征,进一步指出在实现人工智能价值对齐中存在着人工智能技术功能不确定性带来的安全风险,人工智能价值主体正当性难题,人工智能技术鸿沟加剧的公平性风险。为有效化解人工智能价值对齐的伦理风险,要从共建共治、共创共治、共享共治三个层面,创新科技伦理治理,构建人工智能时代精准善治制度,打造公正、透明与可持续的人工智能科技伦理生态,明确人工智能伦理治理多元主体的责任分工与协作,以期确保人工智能发展符合人类价值观,实现公平、安全、透明和可持续的发展目标。

关键词： 人工智能   高中地理   教学质量   核心素养   变革  

摘要： 借助人工智能开展高中地理教学,能激发学生探索欲望,调动学生地理学习的积极性和主动性,让学生在具体情境中学习地理知识,在实践操作中掌握地理知识。文章结合生活中那些微小却又暗含地理知识的事物,以及实际生活中的一些现象,对人工智能助推高中地理教学新变革进行探索,以开展更新颖、更生动的地理教学,提高高中地理教学质量,提升学生地理核心素养。

关键词： 人工智能   深度学习   项目驱动   竞赛驱动   研究生课程   实践能力  

摘要： 在人工智能(AI)技术迅猛发展的背景下,高等教育尤其是研究生教育面临着前所未有的变革与机遇。针对电子信息类专业研究生所修的“深度学习”课程,提出了一种“项目+竞赛”双驱动的创新教学模式,其目的在于提升学生的实践能力与创新思维。该模式借助前沿AI工具和技术,构建起以项目实战和竞赛挑战为核心的教学体系,以激发学生的学习兴趣,增强他们解决实际问题的能力。实践结果显示,该模式明显提高了学生对深度学习理论的掌握程度、技术应用能力以及科研实践能力,有效地推动了“以教促研,以研促教,教研相长”这一教育目标的达成。

关键词： 实验教学创新   人工智能   个性化学习   智能评估  

摘要： 针对计算机组成原理课程传统实验教学面临的挑战,分析人工智能技术在实验教学中的应用,提出人工智能技术助力计算机组成原理课程实验的教学创新方案,从实验教学内容、方法及考核评价3个维度出发,通过3个生动的案例展示阐述人工智能融入实验教学的过程,并通过实际教学过程说明成效,为计算机组成原理实验教学的智能化和个性化发展提供教学路径参考。

关键词： 深度学习   人工智能   糖尿病视网膜病变   黄斑病变   高血压性视网膜病变  

摘要： 深度学习为视网膜疾病的早期诊断、病变分割和治疗预测等提供强有力的技术支持,显著提高诊断的效率和准确性。但也面临模型适用范围不同和性能差异等方面的挑战,其主要原因在于不同的网络结构在特征提取能力、计算复杂度和临床适应性方面存在差异,使得它们在不同的应用场景下具有不同的优势和局限。通过对近5年内PubMed和Web of Science数据库中的相关文献进行系统检索,本文整理了常见玻璃体视网膜疾病中最常用的深度学习网络架构,总结其不同的优势与局限,并分析各架构在眼科领域的最佳应用方向,为未来的研究提供参考与借鉴。

关键词： 人工智能   水资源管理   水文预测   水质监测  

摘要： 人工智能(AI)在水资源管理中的应用,旨在解决水资源短缺、水环境污染和水生态退化等复杂问题,其核心思想是利用人工智能的数据处理、模式识别和预测分析等能力构建水资源管理的智能化解决方案。主要研究AI技术在水资源领域的发展现状、关键技术和实际应用效果,探讨其在水文预测与分析、水质监测与评估、水资源管理与优化3个核心领域的应用潜力。在综合研究的基础上分析AI在水资源管理中的主要算法以及典型应用,如长短期记忆网络(LSTM)、门控循环单元(GRU)、Transformer等模型在水文预测中的应用,卷积神经网络(CNN)等在水质监测中的应用,DDPG、DQN等在水库调度中的应用;讨论AI技术在水位预测、洪水预报、水质参数反演、智能灌溉等场景中的实际应用。展望了AI在水资源管理领域应用的未来发展方向,强调需要加强物理机制与数据驱动方法的融合,提高模型透明度,为构建智慧水资源管理体系提供技术支撑。

关键词： 晚期直肠癌   疼痛危象   机器学习算法   预测模型   社会支持   心理弹性  

摘要： 目的:基于机器学习算法构建晚期直肠癌病人疼痛危象的预测模型并分析不同模型的预测性能。方法:采用便利抽样法,选取2022年9月—2024年9月我院收治的晚期直肠癌病人210例为研究对象,采用一般资料调查表、社会支持量表、心理弹性量表、医院焦虑抑郁量表进行问卷调查。根据病人是否发生疼痛危象分为发生组和未发生组,采用单因素及多因素分析疼痛危象的影响因素。基于单因素及多因素分析结果构建Logistic回归模型、随机森林模型及决策树模型,采用受试者工作特征(ROC)曲线下面积(AUC)分析模型效能及预测价值。结果:210例晚期直肠癌病人中,发生疼痛危象病人64例(30.48%)。多因素分析结果显示,社会支持、心理弹性、负性情绪、年龄、家庭人均月收入、放化疗次数为晚期直肠癌病人发生疼痛危象的独立影响因素(均P<0.05)。ROC曲线分析结果显示,Logistic回归模型、决策树模型和随机森林模型的AUC分别为0.902,0.901,0.933,准确度分别为0.881,0.852,0.889,灵敏度分别为0.750,0.734,0.824,特异度分别为0.938,0.904,0.913,召回率分别为0.750,0.734,0.824,精确率分别为0.842,0.770,0.933,F1值分别为0.793,0.752,0.875。随机森林模型除特异度外,AUC、准确度、灵敏度、召回率、精确率及F1值均为最高,综合表现最优。结论:随机森林模型对晚期直肠癌病人疼痛危象的预测性能优于Logistic回归模型及决策树模型,临床可据此识别疼痛危象高风险病人,早期予以相关预防措施,降低疼痛危象发生率。

关键词： 人工智能   Computing课程   英国   中小学  

摘要： 本文介绍了在人工智能驱动英国数字化学习革命中,英国中小学Computing课程中融入人工智能的主要形态,明确了培养人工智能素养是英国人工智能时代的教育要求,指出了英国人工智能素养主要包括的两个维度。文章同时指出,人工智能对英国中小学Computing课程产生了冲击,使得人们重新思考Computing课程的价值与内容,它启示我们,要与时俱进,坚持学科育人构建人工智能时代的中小学信息科技课程体系。

关键词： 数字化转型   高质量发展   智慧建造   人工智能   云服务  

摘要： 国有企业高质量发展对于国家经济结构优化、培育新质生产力以及推进中国式现代化具有重要意义。本文论述了中国铁建在数字化转型助力企业高质量发展路径探索中面对业务复杂性、财务平衡、生产模式创新和组织协同等挑战,探索智慧建造体系搭建、人工智能决策机制、云服务平台构建、物联网技术深度应用和人才培养体系创新等发展路径。通过这些措施,中国铁建在施工效率、管理科学性、资源共享协同、资产智能管理和数字技能队伍建设等方面实现跃升,从而实现高质量发展。