关键词： 新建学校   跨学科知识   社会认可   学校课程建设   新兴科技   人工智能   AI技术   批判性思维  

摘要： 在人工智能等新兴科技迅猛发展的时代背景下,传统课程模式正经历深刻转型,新建学校应以课程为载体,融合AI技术等先进工具,打造能够激发学生创新思维、培养解决复杂问题能力的现代化课程体系。如何在课程设计中融入跨学科知识、批判性思维训练以及创新能力培养,成为决定新建学校能否快速站稳脚跟、赢得社会认可的关键。

关键词： 人工智能   数据隐私   法律保护   算法透明度   跨境数据流动  

摘要： 随着人工智能技术的快速发展和广泛应用,数据隐私保护面临数据收集广度与深度增加、数据分析与利用的潜在风险和第三方数据分享的安全漏洞等挑战。因此,加强我国数据安全治理体系建设显得尤为迫切。文章基于数据隐私保护的内涵和数据隐私权的法律属性,分析了人工智能应用给数据隐私保护带来的法律困境,并提出明确数据权属、破解算法黑箱、协调法律适用、明晰责任主体等对策,为数据隐私保护提供法律支持,提升数据隐私保护水平,保障数据依法合理有效利用,推进国家治理体系和治理能力现代化。

关键词： 人工智能   人力资源管理   数据分析   算法应用  

摘要： 随着数据科技与人工智能(AI)的飞速发展,人工智能在人力资源数据分析领域的应用日益广泛,并凸显出其重要性。文章探讨了人工智能在人力资源数据分析中的应用,包括数据采集、处理、分析和可视化等环节。通过系统的文献回顾与实际案例分析,揭示了人工智能在提升数据采集效率和质量、精确数据分析和挖掘,以及实现数据可视化等方面的显著优势。同时,文章也剖析了人工智能在人力资源数据分析中面临的一系列挑战,如数据安全、隐私保护、人工智能算法的透明度和解释性难题等。为应对这些挑战,文章提出了具有针对性的解决方案和建议。最后,文章总结了人工智能在人力资源数据分析中的应用价值,并对该领域未来可能的研究方向和趋势进行了展望。

关键词： 人工智能   大模型   参数与因素   能力涌现   因素空间   人工智能核心  

摘要： 为探究大模型发展过程中涌现出新能力的原因,通过AI大模型发展过程中参数数量变化进行解释。论述了大模型与参数的关系,因素在人工智能中的作用;提出了人工智能的能力涌现源于因素的论断并加以证明;讨论了大模型带来的启示和人工智能核心要素。研究认为,AI大模型能力涌现与参数的迅速增加有直接关系,参数的本质是因素;在数据、因素、算法和算力之中因素最为重要,特别是AI大模型的自我意识觉醒必然需要大量参数与适合的系统功能表示方法;人工智能能力涌现是人工智能的核心,并融入了人的安全意识。论证了人工智能的能力涌现源于因素增加的观点。

关键词： 智能制造   收入不平等   内部薪酬差距   超额薪酬差距   风险治理   生产经营风险   供需匹配风险   技术创新风险  

摘要： 以智能制造试点示范项目为准自然实验,运用2007—2022年制造业A股上市企业数据考察智能制造对企业内部薪酬差距的影响。结果表明,智能制造显著缩小了企业内部薪酬差距,根本原因在于智能制造通过发挥风险治理效应抑制高管与普通员工间的超额薪酬差距,且主要体现为智能制造化解企业的生产经营风险、供需匹配风险与技术创新风险。异质性分析发现,在融资约束高、管理层权力大的企业,以及所在地区市场化程度、人力资本水平低的企业中,智能制造对企业薪酬差距的影响更明显。进一步分析发现,服务协同型智能制造模式更契合效率与公平的统一。

关键词： 人工智能   教学规律   坚守   变革  

摘要： 人工智能技术的发展带给教学领域以深刻影响。教学规律作为教学理论研究领域的根基,有需要坚守的经典规律性认识,亦有需要顺应时代变迁而展示的时代性发展与变革。结合人工智能时代的特征,分析在人类智能的独特优势下在教育规律方面应维持的坚守,包括兼顾知识储备与能力培养的目标定位、知识体系化与教学内容结构完整、班级授课制为核心的教学组织形式、人类教师与学生的情感型师生关系、定期进行分阶段总结性评价等方面。人工智能时代教学规律的变革强调以辨识优势充实目标、定制与通识相结合、强化人机整合作用、丰富师生关系维度、建构个人智能档案,期冀教学规律的发展能够在坚守学科立场的基础上顺应时代之变迁,推进教学理论与实践的发展。

关键词： 肌肉   关节   肿瘤   人工智能   磁共振成像  

摘要： 2024年RSNA年会关于肌骨关节影像研究方面的科学报告共170余篇,涉及内容主要包括肌肉骨骼关节疾病的定性及定量分析、新技术的应用、双能CT和光子计数CT在骨关节的应用、人工智能及影像组学的发展,本文主要按照部位及特殊成像、后处理技术进行总结。

关键词： NK/T细胞淋巴瘤   SEER数据库   列线图   机器学习   随机生存森林   生存预测  

摘要： 目的探讨NK/T细胞淋巴瘤(natural killer T-cell lymphoma,NKTL)患者的生存预后影响因素。基于随机生存森林(random survival forest,RSF)算法,构建预测NKTL患者总生存期(overall survival,OS)的预后模型。方法从SEER数据库收集2000-2020年的NKTL患者的人口统计学和临床病理资料。按照7∶3的比例将患者划分为训练队列(n=471)和验证队列(n=203)。通过Cox回归分析确定影响患者OS的预后因素,并基于分析结果构建列线图模型。同时,使用RSF算法确定影响患者OS的预后因素,并构建RSF模型。采用ROC曲线、校准曲线和决策曲线、净重新分类指数(net reclassification improvement,NRI)和综合判别改善指数(integrated discrimination improvement,IDI)对模型的预测能力进行评估,并比较2种模型的预测效果。通过2种模型计算每位患者的风险得分,根据风险得分的中位数,将患者分为高风险组和低风险组,并绘制生存曲线进行比较。结果Ann Arbor分期、年龄、放疗、联合治疗和疾病类型是与生存显著相关的预后变量。在验证队列中,列线图模型的1、3和5年ROC曲线下面积(area under curve,AUC)分别为0.745、0.771和0.748,而RSF模型的AUC为0.764、0.792和0.761。ROC曲线显示2种模型在预测OS方面具有良好的准确性和区分性。校准曲线显示2种模型预测的生存与实际生存之间具有良好的一致性。两种模型均能有效地将患者分为预后差组和预后好组,并且预后差组患者的OS显著低于预后好组(P<0.0001)。决策曲线显示RSF模型的净获益优于列线图模型。与列线图模型相比,RSF模型的NRI为0.184(95%CI:0.098~0.267,P<0.01),IDI为0.300(95%CI:0.241~0.359,P<0.01),RSF模型的预测能力优于列线图模型。结论Ann Arbor分期、年龄、放疗、联合治疗和疾病类型是NKTL患者预后的影响因素,本研究据此建立的RSF模型对NKTL患者预后具有很好的预测能力,可有效评估患者预后。

关键词： 甲基丙烯腈   工艺参数   特征相关性   机器学习  

摘要： 甲基丙烯醛(MAL)氨化脱氢制备甲基丙烯腈(MAN)是一项新颖的工艺路线。针对该新型工艺路线,在前期获取的大量工艺参数调控结果的基础上,基于机器学习方法进行数据挖掘,搭建评估工作流,优化回归算法模型,并在最优模型下对各工艺参数的特征相关性进行分析。结果表明,梯度提升决策树回归及决策树回归算法是最优的回归模型,而NH3用量是影响MAL转化率及MAN选择性的主要工艺参数。

关键词： 肥厚型脉络膜谱系疾病   中心性浆液性脉络膜视网膜病变   广角眼底影像   多模式影像   人工智能  

摘要： 肥厚型脉络膜谱系疾病(pachychoroid disease, PCD)是一组以病理性脉络膜增厚为共同特征的疾病谱系。其特征性改变包括Haller层脉络膜血管扩张,脉络膜毛细血管层和Sattler层变薄,以及肥厚血管(pachyvessels)上视网膜色素上皮(retinal pigment epithelium, RPE)的异常。PCD主要包括单纯肥厚型脉络膜病变(uncomplicated pachychoroid, UCP)、肥厚型脉络膜色素上皮病变(pachychoroid pigment epitheliopathy,PPE)、中心性浆液性脉络膜视网膜病变(central serous chorioretinopathy, CSC)、肥厚型脉络膜新生血管病变(pachychoroid neovasculopathy, PNV)和息肉状脉络膜血管病变(polypoidal choroidal vasculopathy, PCV)。传统眼底检查因单张成像局限于后极部,难以全面评估病变范围。广角影像技术突破了这一局限,其成像范围覆盖后极部至赤道部涡静脉壶腹部(约60°~100°),而超广角成像更可达后极部至锯齿缘(约110°~220°)。这一技术的进步不仅扩大了PCD眼底病灶的观察范围,更提升了对脉络膜结构和功能的评估能力,为深化研究PCD的发病机制提供了新的视角。近年来,基于深度学习的人工智能技术在PCD辅助诊断方面取得重要突破,展现出优异的PCD相关疾病识别和分类能力,有助于显著提升基层医疗机构诊断效率,并推动医疗资源优化配置。文章综述了广角眼底影像技术在PCD评估与诊断中的研究进展,旨在为眼科临床工作者和研究者提供最新的技术应用视角,并为进一步探索PCD的病理机制和诊疗方法奠定科学基础。