关键词： 美国智库   人工智能   人才建设  

摘要： [目的/意义］人工智能作为一种颠覆性技术，正在从根本上变革国际社会发展进程，已成为中美科技博弈的焦点。厘清美国智库人工智能人才建设议题研究的特点和对该议题的认知，能够为研判美国人工智能人才政策提供参考，也为我国智库建设提供一定启示。［方法/过程］本文采用文献分析法考察7家智库的人工智能人才建设研究成果，重点梳理其研究背景、方法、问题以及结论。［结果/结论］美国智库人才建设议题研究具有数据和对华竞争双重驱动性。美国智库呼吁从自主培养以及完善和扩大国际人才蓄水池两个方面加强人工智能人才建设，以保持美国人工智能发展优势。

关键词： 人工智能   AIGC   智慧健康   知识服务   服务平台  

摘要： 传统的健康知识服务无法满足互联网时代的需求，AIGC赋能的智慧健康知识服务逐渐登上舞台。文章采用综合研究方法，探讨AIGC驱动的智慧健康知识服务模式，构建AIGC赋能的智慧健康知识服务智能体框架。研究发现：AIGC赋能的智慧健康知识服务模式是新型的知识服务模式，通过智能体来实现人机交互，它利用人工智能技术，为用户提供个性化、智能化的健康知识服务。

关键词： 认知框架转变   商业模式创新   对比性案例设计   人工智能  

摘要： 商业模式创新是影响企业能否从技术中获取利润的关键要素。围绕“认知框架如何影响商业模式创新”这一问题,通过双案例研究讨论AI企业商业模式创新过程及其涌现机制。研究发现:认知框架转变是驱动商业模式创新的关键因素,企业通常采用叠加、脱耦和融合策略对认知框架作出改变。当使用叠加和脱耦策略时,认知框架转变程度较低,只能通过企业转型促进商业模式内容创新和治理创新;当使用融合策略时,认知框架转变程度较高,在促进企业转型的同时还能增强能力,促进商业模式全方位创新,形成内容、治理和结构创新的闭环。从认知层面揭示技术类企业实现商业模式创新过程,验证认知框架的自我强化特征,阐释认知框架与环境之间的自适应性,可为商业模式创新提供微观解释。同时,强调商业模式结构创新的重要性,明晰商业模式创新细分要素,对管理实践具有一定启发。

关键词： 远景区预测   机器学习   铜成矿规律   地球化学填图   老挝  

摘要： 老挝处于特提斯成矿域南东段，具有丰富的矿产资源，但其地质工作基础薄弱，厘定矿产资源成矿规律并开展远景区预测是老挝在重点区实现找矿突破的有效途径。老挝1∶100 万国家尺度地球化学填图由中老双方合作完成，为其矿产资源和环境评价提供了高质量的地球化学基础数据和图件。本文主要利用国家尺度地球化学填图数据，结合老挝已发现矿产成矿规律，利用机器学习技术，开展铜资源远景区预测。研究结果表明，（1）老挝铜矿床的形成明显受到构造-岩浆-沉积作用控制，铜矿床主要类型有斑岩型、矽卡岩型、热液型以及砂岩型。（2）老挝全国水系沉积物中铜含量在1.20～459 μg/g之间，平均值为21.96 μg/g，中位值为16.50 μg/g，在7个三级大地构造单元中， 长山地块和哀牢山—马江等三个缝合带的平均值高于其他几个构造单元，地球化学图显示铜在老挝分布不均匀，存在多个大面积分布的高背景区和异常区。（3）构建了包括单元素异常、矿化元素组合异常、指示中酸性岩体元素组合、控矿构造分布、碳酸盐岩和碎屑岩分布等要素的老挝铜矿多源信息定量信息预测模型。（4）利用随机森林成矿预测方法，共圈定9个成矿远景区，具有寻找斑岩型、矽卡岩型等类型铜矿找矿前景。

关键词： 机器学习   肝硬化   食管静脉曲张   风险因素  

摘要： 目的：探讨肝硬化患者并发食管静脉曲张的风险因素，并建立预测模型，以便为预防肝硬化患者早期并发食管静脉曲张提供合理的指导。方法：回顾性纳入2006年12月至2021年5月在重庆市医院就诊的1 113例肝硬化患者。通过结合递归特征消除算法（Recursive Feature Elimination,RFE）和4种机器学习方法筛选特征，建立5种机器学习预测模型，包括逻辑回归、随机森林、支持向量机（Support Vector Machine,SVM）、决策树和极端梯度提升（eXtreme Gradient Boosting,XGBoost）模型。通过绘制受试者工作特征曲线（receiver operating characteristic curve,ROC）评估不同模型的性能，并根据表现最优的模型分析肝硬化患者并发食管静脉曲张的风险因素。SHAP图用于解释各风险因素对患者的影响。结果：XGBoost模型在预测肝硬化患者并发食管静脉曲张的风险方面表现最佳，ROC曲线下面积为0.872(95%CI=0.813～0.918)。SHAP图表明，影响肝硬化患者并发食管静脉曲张的风险因素包括血小板计数、门静脉内径、胆碱酯酶、白蛋白、谷丙转氨酶、血红蛋白、凝血酶原比值、凝血酶原时间和血清总蛋白等九项临床指标。结论：本研究得出的XGBoost预测模型具有较高的预测价值，其筛选出的风险因素对临床防治肝硬化患者早期并发食管静脉曲张具有一定的指导意义。

关键词： 喀斯特   土壤有机碳   土壤颜色   光谱反演   机器学习  

摘要： 有机碳作为土壤的重要组成部分之一，评估其质量和稳定性具有重要意义。在喀斯特区，研究土壤有机碳含量分布特征可以识别潜在的土壤侵蚀风险区域，为优化土地利用、制定有效的水土保持措施提供科学依据。本研究以桂南喀斯特石灰土为研究对象，采集不同土地利用类型下土壤样品，利用5款智能手机拍摄获取土壤颜色图像，提取土壤颜色参数，使用光谱仪获取土壤光谱信息；并结合机器学习方法和线性算法，即人工神经网络（BPNN）、支持向量机（SVM）、随机森林（RF），以及线性算法偏最小二乘回归（PLSR），建立有机碳含量反演预测模型，使用决定系数、均方根误差、相对分析误差作为模型精度评价指标，筛选并明确适用于该地区土壤有机碳含量的智能手机及对应的预测模型和光谱仪方法下的预测模型。结果表明：5款智能手机基于4种建模方法的建模结果呈现出不同效果，表现为：Redmi Note11T por+>IQOO Neo7 SE>华为nova 5Z>realme X7 pro>iPhone X；采用5款智能手机采集的多光谱数据与光谱仪采集的高光谱数据综合建模效果表现一致，其中，SVM精度评估系数最好，建模效果最佳，其次是BPNN、RF和PLSR，相较于PLSR，机器学习算法展现出更好的预测效果；结合模型估算散点图，当土壤有机碳含量低于10 g·kg-1，模型预测结果较为分散，当土壤有机碳含量高于10 g·kg-1时，模型预测结果更为集中。本研究为深入了解喀斯特地区土壤有机碳含量的空间特征提供了理论支持和实践基础，可为解决该地区水土流失问题和改善农业生产环境提供依据。

关键词： 电动客车   声品质预测   时域分析   机器学习  

摘要： 针对车内声品质的特征建模问题，提出一种联合时域分析与机器学习的声品质预测方法。首先，引入样本熵，结合灰狼优化（GWO）和变分模态分解（VMD）提取车内时域声信号特征，构建基于GWO-VMD-样本熵的声品质客观参量。其次，为了提高基于极限梯度提升（XGBoost）算法的车内声品质映射精度，改进了粒子群优化（PSO）的自适应权重（AW）与自适应因子（AF）的更新方式，提出基于AW-PSO-XGBoost、AF-PSO-XGBoost及AWF-PSO-XGBoost的声品质建模方法。最后，64组电动客车车内声品质数据的训练和测试结果表明，建立的AWF-PSO-XGBoost模型具有最佳的声学舒适度预测精度与拟合效果，其平均相对误差和一致性系数分别为3.27%和0.9889。

关键词： 食道闭锁   机器学习   预测  

摘要： 目的:利用机器学习技术对食道闭锁术后出现吻合口漏进行预测，寻找导致术后出现吻合口漏的危险因素，计算相应截断值，并制作交互式网页计算工具，方便医务人员快速计算术后出现吻合口漏的具体风险概率。方法:收集2009年1月至2021年12月在重庆医科大学附属儿童医院胸心外科接受手术治疗的251例Ⅲ型先天性食道闭锁患者的临床资料。包括患儿人口学特征、手术资料和术后资料。本课题组采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、逻辑回归模型(logistic regression,LR)、XGboost分类(eXtreme gradient boosting,XGBoost)、高斯朴素贝叶斯(gaussian naive bayes,GNB)这5种机器学习算法来构建预测食道闭锁术后吻合口漏的预测模型。利用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under thecurve,AUC)评价效度，同时综合F1分数、准确率、灵敏度及特异度，HosmerLemeshow检验Brier分数评价校准度及临床决策曲线(decision curve analysis,DCA曲线)对模型的校准度及稳定性进行评价。利用限制性立方样条分别计算相应危险因素的截断值，最后制作交互式网页计算工具，构建术后吻合口漏风险分层系统，方便医务人员快速使用。结果:通过对候选风险因素进行单因素分析、重要度排序、LASSO回归(least absolute shrinkage and selection operator,LASSO)筛选出危险因素为断端距离、是否合并复杂先心、术前蛋白、是否合并肺部感染。在5种机器学习算法中，逻辑回归模型在ROC曲线和DCA性能及校准曲线综合指标方面表现最佳，在逻辑回归模型中，训练集的AUC为0.828，准确度为0.772,F1分数为0.532，验证集的AUC为0.799，准确度为0.765,F1分数为0.544。提示该模型用于预测Ⅲ型先天性食道闭锁术后出现吻合口漏有较好的区分度及校准度。利用限制性立方样条，计算了断端距离及术前蛋白的截断值分别为2 cm及33.9 g/L，临床医务人员可以利用在线交互式网页计算工具，输入相应危险因素的结果，计算出某1个患者术后出现吻合口漏的具体概率值。结论:逻辑回归模型可较好地预测Ⅲ型先天性食道闭锁患儿术后出现吻合口漏危险因素，在线交互式网页计算工具可以迅速地计算出术后吻合口漏的概率，方便医务人员使用。

关键词： 人工智能   风险   规制   基于风险的规制  

摘要： 人工智能风险是随着人工智能应用而生的。对人工智能风险的识别并不是单纯的技术问题，而是涉及复杂的伦理、价值与法律判断。人工智能风险具有不确定性、不透明性、泛在性、变动性等特点，从而给人工智能风险规制带来挑战。在对人工智能风险进行规制时，其立法模式宜采用总分结合的方式，在采用行为规制模式的同时应辅之以赋权模式，在选择规制方法时应采用基于风险的规制模式。对人工智能风险的事先规制不可能排除所有的风险，因此，事后救济机制的存在是十分必要的。

关键词： 人工智能   子宫颈细胞学   异常鳞状细胞   专家共识  

摘要： 随着数字细胞病理技术和人工智能筛查系统的飞速发展，人工智能辅助子宫颈细胞学诊断已经成为可能。其能够显著提高阅片速度和工作效率，有效解决细胞病理医师严重匮乏和诊断水平参差不齐的问题[1-2]。目前，我国人工智能辅助细胞学筛查系统的研发单位已达数十家，某些筛查系统已经应用于局部地区的子宫颈癌筛查和各级医疗单位，然而临床公认的筛查指标、判读标准和质量控制尚未发表。因此，迫切需要制定人工智能筛查子宫颈异常细胞判读标准和准确性评价的专家共识。