关键词： 舞蹈编创教学   人机共创   教学改革   人工智能   智能编创算法  

摘要： 随着数字科技的发展,舞蹈编创的教学正在经历着前所未有的变革,在以往的传统“师传徒”的教法中,虽然已经形成了一套较为稳定的课程体系和结构框架,并且也能够很好的解决一些问题;但是它还是存在着一定的弊端。比如对于学生思维发散性的限制以及对学生的个性培养都存在很大的缺陷。“人机共创”是目前新兴的一种艺术形式,它是利用计算机技术来帮助艺术家进行创造或者辅助完成艺术作品。本论文首先阐述了这种新的教学方式产生的必要性和合理性,然后分析了实现“人机共创”的技术基础如:多模态的数据采集技术和基于神经网络的机器学习算法模型等等;最后根据当前高校舞蹈专业的人才需求状况,提出了一些具体的解决方案并进行了实际的尝试,总结出了舞蹈编创教学的一些新方法及应用效果。

关键词： 规模化创新应用   交通运输   人工智能  

摘要： 交通运输部:加速人工智能在交通运输领域的规模化创新应用交通运输部10月29日举行10月例行新闻发布会,介绍前三季度交通运输经济运行情况。交通运输部科技司司长徐文强在会上介绍,交通运输部会同相关部门研究制定了《关于“人工智能+交通运输”的实施意见》,系统推进“人工智能+交通运输”行动,加速人工智能在交通运输领域的规模化创新应用。

关键词： 生成式人工智能   新闻生产   嵌入与脱嵌   价值重构   协同治理  

摘要： 随着信息化与数字化的三次大规模更迭,生成式人工智能快速崛起,并以其强大的生成能力和多样性的输出嵌入新闻生产当中。在推动新闻生产提质增效的同时,人工智能也可能引发真实性的技术异化、专业性的系统性消融和资本权力的无序扩张等多重风险。为确保人工智能新闻生产的健康发展,须从制度、伦理、技术三个维度构建再嵌入机制。

关键词： 人工智能   大型语言模型   税收征管   纳税遵从度   监管  

摘要： 近年来,人工智能的快速发展推动以ChatGPT为代表的大型语言模型迅猛兴起,深刻改变经济社会各领域,税收征管亦不例外。本文重点介绍大型语言模型将引发的一些技术进步及这些技术与税收征管流程变革之间的密切关系,并着重阐述大型语言模型的发展过程,包括其数据源和学习过程,以分析该模型使用中风险产生的根本原因,以及大型语言模型在税收征管中的潜在用途,尤其是在协助纳税人进行日常查询、提升纳税遵从度、进一步加强风险管理、加快税收争议解决方面的用途。通过探讨使用大型语言模型中的一些伦理问题,如模型的答复不准确、有偏见、存在“幻觉”,以及存在透明度、数据隐私、安全性、可持续性、数字鸿沟和相关责任等问题,立足于人工智能工具技术迅速发展的时代背景,本文对使用大型语言模型工具的重要性及其对税务人员未来工作的影响和监管问题进行剖析,提出供政策制定者和决策者考虑的若干问题。本文认可ChatGPT这类大型语言模型所具有的变革潜力,但同时也认为有必要关注该新技术使用中的合法性、道德性以及如何负责任使用等问题。

关键词： 人工智能   智慧教育   人机协同   教学范式   教育变革  

摘要： 本研究围绕人工智能与智慧教育的融合展开,重点探讨如何构建教师与智能技术协同配合的新型教学模式。通过分析传统教学中存在的不足,说明人工智能技术在教育场景中的独特价值,从理论框架、实践方法、技术支持三个方面,系统阐述人机协同教学范式的构建思路。研究发现,这种教学模式能够将技术的数据处理优势与教师的专业经验相结合,实现教学资源的精准匹配、教学过程的动态调整以及学习效果的个性化提升,为智慧教育的发展提供了新的实践方向。同时,针对应用过程中可能遇到的挑战,提出了具体的解决策略,旨在推动教育教学的实质性变革。

关键词： 矿山智能监控   数字孪生   虚幻引擎   视频融合   云渲染   物联网   人工智能  

摘要： 针对传统矿山监控系统视频分散、传感器数据孤立以及运维巡检低效等问题,文中提出一种基于数字孪生和虚幻引擎的矿山智能监控方案。采用虚幻引擎构建高质量的矿山巷道三维场景,通过改进的视频融合方法实现视频与三维场景的无缝融合,进一步利用物联网传感器数据融合方法和人工智能技术实现真实数据与孪生数据间的实时交互与智能联动,据此设计基于虚幻引擎的矿山智能监控数字孪生系统。该系统通过虚幻引擎云渲染技术和流媒体技术将渲染画面实时传输到浏览器前端,实现矿山远程智能监控。工程应用结果表明,该系统相比传统矿山监控系统提高了80%左右的巡检效率,改善了监控质量,减少了客户端加载时间,为矿山行业的智能化转型和可持续发展注入了强劲动力。

关键词： 人工智能   病理诊断   数字病理   深度学习   全切片图像   计算病理学   精准医学  

摘要： 作为现代医学诊断的基石,病理学正面临人力资源短缺、诊断主观性强和工作流程效率低下等多重挑战。人工智能(AI)凭借其在图像识别、模式分析和大数据处理等方面的优势正逐步融入病理诊断领域,推动其向数字化、智能化方向发展。本文系统回顾了AI在病理学中的发展历程,从早期的监督学习验证,到弱监督学习突破“标注瓶颈”,再到当前基于自监督和多模态的基础模型兴起,展示了AI在提升诊断一致性、优化工作流程、预测分子特征及预后等方面的广泛应用。AI不仅增强了病理诊断的客观性和效率,还推动了计算病理组学等新兴交叉学科的发展,为实现精准医疗提供了有力支撑。尽管在临床落地过程中仍面临数据标准化、监管审批等挑战,但AI与病理学的深度融合正开启一个人机协同、智能诊断的新时代。

关键词： 中国船级社   智能工具应用组   智能场景创意组   路演  

摘要： 2025年11月5日,中国船级社(CCS)第一届人工智能技术竞赛路演及颁奖仪式在浙江宁波举行。本届竞赛以“智联实践,创领未来”为主题,积极响应《关于“人工智能+交通运输”的实施意见》,秉持“以赛促研、以赛促用、以赛育才”的宗旨,设置智能场景创意组、智能工具应用组和智能工具开发组三个组别。

关键词： 人工智能   结直肠癌   预后   KRAS基因突变   淋巴结转移   危险因素  

摘要： 目的 探讨基于人工智能深度学习技术的MobileNetV3网络在结直肠癌病理图像分析中的应用,并结合临床危险因素及分子学指标,评估其对患者预后的预测价值。方法 收集来自中国医科大学附属第一医院的65个经过KRAS基因染色处理的病理切片样本,整合相应的临床信息。采用MobileNetV3网络对病理图像进行分析,提取特征。采用多因素Logistic回归分析评估临床因素对结直肠癌复发风险的影响。通过混淆矩阵和受试者工作特征(ROC)曲线评估该模型的分类性能。结果 混淆矩阵显示,在65个样本中,真阳性占46.2%(30/65),假阳性占4.6%(3/65),假阴性占4.6%(3/65),真阴性占44.6%(29/65)。MobileNetV3模型在病理图像分类任务中表现出较高的准确性,整体准确率达到90.8%(59/65)。ROC曲线下面积为0.857。多因素Logistic回归分析结果显示,KRAS基因突变、淋巴结转移是结直肠癌复发的独立预测因素(P<0.05)。结论 MobileNetV3人工智能病理图像分析结合临床危险因素及分子学指标,能够有效提高结直肠癌预后风险评估的准确性。KRAS基因突变和淋巴结转移均为影响患者预后的危险因素。

关键词： 农业机械   路径规划   算法优化   参数计算   冲突率   性能验证  

摘要： 针对农机作业自动路径规划实时性不足、能耗偏高等问题,提出一种新型智能决策系统。该系统采用分层决策架构,结合启发式规则库与深度强化学习算法,实现农机低能耗高精度路径规划。经模型推导、算法分析与试验优化确定了关键参数。对设计的决策模块响应机制与环境适应性进行了仿真验证,基于田间试验测试了核心性能指标。优化后的规划系统确保作业覆盖率,轨迹冲突率较传统方法降低逾60%,系统能耗下降约15%,为高效智能农机导航系统设计提供了参考。