关键词： 职业教育教学改革   人工智能AI辅助教学   应用  

摘要： 职业教育数字化转型面临人工智能技术深度应用的多重挑战与机遇。当前教学实践中,实训设备数据采集的离散性与算法平台兼容性问题导致教学行为分析效能受限,而智能技术加持下的个性化教学需求与传统集体授课模式产生新的适配矛盾。研究表明,微米级精度感知设备显著提升技能训练质量,云端资源调度机制使虚拟仿真设备使用效能突破常规,跨区域教学资源共享通过5G全息技术实现差异系数优化,分布式存证技术则为技能认证体系注入可信基因。针对教师技术适应障碍与数据治理风险,研究提出构建智能教学支持系统的三维架构,开发动态演进的资源生态,创新人机协同教学模式等策略,为职业教育现代化发展提供方法论支撑。

关键词： 肺腺癌   腺体前驱病变   微浸润腺癌   人工智能   影像组学   定量分析  

摘要： 目的：基于人工智能建立鉴别CT表现为混合磨玻璃结节（mGGN）的腺体前驱病变(PGL)与微浸润腺癌（MIA）的有效模型。方法：收集我院2017年1月-2023年6月经手术病理证实且CT表现为mGGN的180例肺腺癌患者的临床和CT影像资料，包括PGL66例和MIA 114例。采用完全随机法以8:2的比例将患者分为训练组（n=144）和测试组（n=36）。使用AI软件（联影科研平台uRP，United Imaging Intelligence，China）全自动提取CT图像中病灶的定量参数及影像组学特征；通过降维纳入组学的最显著相关特征，随后建立5种机器学习分类器，包括逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、高斯过程（GP）及决策树（DT），以训练组曲线下面积（AUC）最高的分类器作为最佳影像组学模型，并将其结果输出为影像组学评分（Rad-score）。将两组病例的临床信息、CT形态特征及定量数据纳入到多因素Logistic回归分析筛选有效鉴别PGL和MIA的独立危险因素，并建立临床模型。最终，基于Rad-score和临床危险因素构建综合预测模型。采用受试者工作特征（ROC）曲线的AUC、灵敏度、特异度和准确度评价三种模型的诊断性能。结果：影像组学特征通过LASSO降维得到11个与鉴别PGL和MIA显著相关的影像组学特征。在5种机器学习分类器种，GP具有最佳的诊断效能，其在训练组和测试组的AUC分别为0.865、0.762。单因素多因素Logistic回归分析进行临床特征筛选，mGGN的平均CT值、长短径平均值和实性部分长径用来构建的临床模型，得到训练组和测试组的AUC分别为0.870、0.794。综合预测模型表现出更为良好的诊断效能，在训练组中的AUC、灵敏度、特异度、准确度分别为0.948、81.1%、91.2%、87.5%；在测试组中的AUC、灵敏度、特异度、准确度分别为0.883、76.9%、91.3%、86.1%。结论：基于人工智能对肺结节定量及组学特征分析建立的综合预测模型能够较好地鉴别CT表现为mGGN的PGL与MIA，可用于指导临床制定治疗决策。

关键词： 人工智能系统   人工智能   狡黠的智慧   数字伦理   智能系统  

摘要： “展现出行为似乎受到智能指引”的人工智能系统可以与人类和动物的自然智能进行互动,但它们之间仍然具有实质性的区别。智能系统时代的伦理针对狡黠的智慧(Cunning Intelligence)以及被亚里士多德称为实践智慧(phronesis)的道德智能之间的关系提出疑问。智能系统行为好像是被一个“谁(who)”指引的一样,而事实上那只是一个具体化的(物化的)对象,或者说是一个“什么(what)”。在智能系统时代,区别“谁”和“什么”是伦理思考的基点。

关键词： 人工智能   自主创新   DeepSeek   AI大模型   开源  

摘要： 在全球人工智能技术竞争加剧与我国面临技术封锁的双重背景下，探索中国AI大模型自主创新形成机制具有重要理论与现实意义。以DeepSeek为典型案例，运用纵向单案例研究方法，基于战略管理和组织理论视角，将其发展过程划分为初创期、发展期和转型期三个阶段；构建“动因—过程—结果”分析框架，揭示其从量化投资跨界到通用人工智能的创新逻辑。结果发现，DeepSeek自主创新的主要特征体现为技术路径重构和商业模式变革，在外部情境、创始人特质、组织能力共同作用下，各阶段的技术路线和商业模式选择不断演变，最终形成了探索式、组合式与重构式的不同自主创新绩效。在讨论了长期主义的技术深耕、核心人物的引领作用等五大自主创新的关键要素后，提出三点政策启示，包括构建“开放—协同—包容”的创新生态、培育“市场驱动-组织敏捷-长期主义”的科技民营企业和打造“青年主导—潜力优先—跨界贯通”的人才培养体系。

关键词： 人工智能   机器学习   量子通信   量子传感  

摘要： 量子通信和量子传感分别利用量子系统的独特特性，比如量子态的叠加性或量子纠缠特性等，能够实现信息论安全的通信以及对物理量的高精度测量。量子通信和量子传感，作为当前最接近实用化的两种量子技术，成为学术界的研究热点。然而，这两种技术在走向实用化的过程中也面临着诸多挑战，例如：设备缺陷导致现实安全性问题，环境噪声干扰大导致测量精度降低等，使得系统的大规模部署受到严重限制。人工智能凭借其强大的算力和数据处理能力，已经在通信、计算和成像等领域发挥着重要作用。本文主要综述人工智能与量子通信和量子传感交叉领域的发展现状，主要包括人工智能在量子密钥分发、量子存储、量子网络、量子传感等方向的具体结合与应用，为提升系统的可靠性、安全性、智能化与可扩展性等方面提供了强有力的保障。接着，本文分析了人工智能在赋能量子通信和量子传感系统中目前存在的问题，最后，本文对该领域未来的发展前景进行了展望和讨论。

关键词： 棉花质量检测方法   人工智能   机器学习   深度学习   卷积神经网络  

摘要： 针对传统棉花质量检测方法在效率与一致性方面的局限性，系统分析了人工智能技术在棉花质量检测中的应用进展。首先从传统机器学习和深度学习两个层面梳理了主要检测方法，重点分析了基于图像识别和目标检测的深度学习模型在棉花纤维长度、颜色分级及杂质检测等方面的应用特点。研究表明：深度学习模型在棉花质量检测中具有较高的检测精度和适应性，其中YOLO、Faster R-CNN等目标检测模型在实际检测任务中表现良好，但仍面临数据集稀缺、标注质量不均衡等挑战。其次总结了当前可用的棉花质量检测数据集，并探讨了数据规模、标注质量及数据增强技术对检测性能的影响。最后基于现有研究的局限成果提出未来研究方向，包括构建高质量、多样化的数据集，优化深度学习模型以提高检测效率，并探索多模态数据融合等技术以提升检测系统的泛化能力。研究结果可为棉花质量检测技术的智能化发展提供参考。

关键词： 人工智能   技术批判   人的全面发展  

摘要： “萝卜快跑”智能驾驶技术的推出引发了人们对于科技发展对人的主体性影响的广泛热议，理性看待与应对人工智能引发的各方面挑战、促进人类与人工智能的和谐发展是当前亟需讨论的重要问题。面对人工智能带来的双向影响，本文立足技术维度、理论维度与价值维度对人工智能的发展方向进行审视与探讨，对“萝卜快跑”类人工智能技术引发的社会生产风险、生产关系挑战以及人的主体性问题进行深入研究，从科研方向、社会秩序与人的主体性地位三方面积极探求科技与人类主体协同发展的正确路径，以求辩证看待人工智能技术发展、实现技术进步造福人类社会。

关键词： 人工智能   军事智能   生成式智能   群体智能   人机混合智能   具身智能  

摘要： 人工智能技术作为推动现代战争向智能化战争转型的重要变量，正在深刻改变战争形态和方式。梳理和总结了2024年人工智能技术在军事智能领域的最新科技进展。综述表明：美、欧在持续加强人工智能顶层设计、研发投入、机构改革的同时，开始逐渐从安全、成本等角度审视和调整相关人工智能战略；生成式智能、群体智能、人机混合智能、具身智能等人工智能技术在军事领域保持较高发展热度，并产出众多里程碑式成果，引领智能无人平台自主感知与跨域协同的军事智能技术发展趋势；同时，世界主要军事强国正快速将军事智能广泛应用于陆战、海战、空战等多作战域；未来，类人化数理与因果逻辑推理、全局和本地协同化模型训练、边缘侧低资源模型部署与推理、大小模型弹性融合实施等，将成为军事智能技术的重要发展方向。

关键词： 胃癌   异时性   肝转移   预测   治疗   人工智能  

摘要： 胃癌是全球最常见的恶性肿瘤之一。胃癌远处转移最常见的部位是肝脏，患者术后一旦发生肝转移，总体5年生存率不超过20%。因此，早期发现肝转移并采取合理的治疗策略尤为关键。尽管胃癌的治疗手段在不断进步，但对于异时性肝转移的早期发现与规范化治疗，仍然缺乏明确的指南和标准治疗方案。近年来，人工智能在医学领域的应用逐渐崭露头角，本文将系统综述胃癌异时性肝转移的定义、诊断、预测及治疗，并探讨人工智能在其中的潜在应用。

关键词： 人工智能   食品专业教育   教学改革   虚拟仿真   产学融合  

摘要： 食品科学与工程专业教育在应对行业快速革新与食品安全需求升级的背景下，正面临传统教学模式滞后、学生实践能力不足等挑战。人工智能（AI）与大数据技术的深度融合为食品专业教学改革提供了新路径。系统探讨了AI技术在食品专业教学中的应用现状与挑战，分析了动态知识图谱、虚拟仿真实践、产教协同等创新模式对教学内容、方法及实践环节的变革作用。研究表明，AI技术通过个性化学习、虚实结合实验及伦理教育融入，能够有效提升学生的跨学科整合能力与创新实践能力。然而，技术适配性、数据安全及师资数字素养等问题仍需进一步优化。未来，深化产学融合、完善智能教育生态将成为食品专业教学智能化转型的关键方向，为培养适应行业需求的高素质人才提供支撑。