关键词： 人工智能   建筑物损伤识别   Mask R?CNN   实例分割  

摘要： 地震发生后快速对建筑物损伤进行识别，可以提高灾害损失评估的效率，并为救援提供有效地决策支持。针对因背景干扰带来的重要特征表达能力弱的问题，提出一种基于深度学习框架Mask R?CNN的多建筑物损伤识别方法。首先，对样本图像进行预处理，克服复杂环境背景因素干扰，并进行多途径扩增，得到用于深度学习的扩增样本数据集。其次，优化特征提取网络，采用嵌入注意力机制模块SE的MobileNetv3网络作为主干网络，增加模型对建筑物损伤空间及语义信息的提取，有效避免背景对模型性能的影响，改进损失函数，避免遗漏类别和类别错分现象，同时引入迁移学习，降低训练成本；最后，采用定性分析和定量评估相结合的手段，多维度评估模型泛化能力和鲁棒性。改进后的Mask R-CNN模型的平均精度达到了84.34%，相对于原始的Mask R-CNN模型，精度提高了9.12%。结果表明，改进后的模型在识别含有多种损伤特征和噪声背景的建筑物损伤图像方面表现良好，可以为地震后建筑物的损伤评估提供有效地技术支持。

关键词： 人工智能生成式内容   生成对抗网络   变分自编码器   扩散模型   大型语言模型  

摘要： 人工智能生成式内容（AIGC）技术作为一种新的内容创作方式，为数字经济中的数字智能挑战提供了新的解决方案。AIGC利用人工智能技术辅助或替代人工创作，根据用户需求生成文本、图像、语音、视频等多种形式的内容。近年来，深度学习模型的快速发展显著提升了AIGC的生成能力，使其成为人工智能领域的研究热点。AIGC作为一项底层技术，拥有巨大的应用潜力，但也存在一些局限性。本文对AIGC技术进行了综述，首先介绍了AIGC的相关算法，包括生成对抗网络（GAN）、变分自编码器（VAE）扩散模型和大型生成模型等；然后探讨了AIGC在不同内容形式生成中的应用；最后总结了AIGC技术面临的挑战，并展望了未来的发展趋势。

关键词： 短视频   人工智能   算法推荐   负面情感反应   算法心理抗拒   算法应对行为  

摘要： 短视频平台的智能算法推荐服务越来越多地影响着人们的日常生活和行为决策，然而，鲜有研究探讨关于推荐算法的负面体验及用户算法应对行为。本研究基于压力源-压力反应-结果（SSO）模型，探究短视频用户算法应对行为的影响因素和内在机理，采用偏最小二乘结构方程模型（PLS-SEM）进行实证研究。研究结果发现，算法功能感知、信息交互质量和感知算法威胁正向影响负面情感反应和算法心理抗拒，进而影响用户的算法操纵行为和算法抵抗行为，用户的负面情感反应和算法心理抗拒在其中同时起到并行和链式的中介作用，并且不同短视频平台类型的差异化作用不显著；ANN分析补充验证了研究结果的稳健性，并进一步揭示感知算法威胁和信息交互质量是引发用户压力反应的主要因素，算法心理抗拒在用户算法应对行为的形成中也发挥了至关重要的作用。研究结果为短视频智能推荐下的用户算法应对行为研究提供了新的理论视角，为短视频平台优化算法推荐服务及可持续发展提供实践参考和借鉴。

关键词： 摩擦信息学   摩擦学设计   摩擦学系统   人工智能   数模联动  

摘要： 摩擦学研究涉及多学科信息的交叉融合，研究人员倾向于从各自学科的视角理解和解决摩擦学问题，使得摩擦学领域的信息熵不断增加，形成数据孤岛。为实现多学科知识的有效整合，从设计学的视角为摩擦学研究规划实施路径，借助信息学的方法有效处理摩擦学系统的复杂信息。研究深入探讨了摩擦信息学的内涵与数模联动的摩擦学系统设计理念，梳理了摩擦学数据、信息和知识动态演化及跨学科整合的设计过程。并基于摩擦学的3个公理—摩擦学行为的系统依赖性、元素特性的时间依赖性及多学科行为的强耦合性，构建了摩擦学系统的通用信息表达模型TriboInfo={I， S， Ts， Ds， O }，针对状态监测、行为预测、系统优化和机理分析4类主要研究需求，利用降维、聚类、分类和回归等机器学习方法，建立不同信息间的关联，提出了摩擦信息学的实施方法与框架。研究结果可为摩擦学研究提供数智化的思维视角和实践参考，助力摩擦学研究的创新发展。

关键词： 跨区域合作创新   创新政策   府际关系   TERGMs  

摘要： 跨区域合作创新是促进新质生产力涌现的重要途径，各级政府通过制定创新政策引导企业跨区域合作创新。因而探究跨区域合作创新的政策与府际关系影响机制有着重要意义。文章基于创新政策与府际关系特征及其差异性构建跨区域合作影响分析模型，借助TERGMs模型对长三角地区人工智能产业进行实证研究。研究表明：（1）政策特征层面：创新政策力度越大、政策波动度越小、财政支持力度越大越有利于跨区域合作创新；（2）府际关系层面：政策响应越强，越有利于跨区域合作创新；（3）政策差异层面：创新政策力度差异越大、政策波动差异越小、政策内容关联越大、政策响应差异越大越有利于跨区域合作创新。研究结论可以为政府优化引导跨区域合作创新的创新政策提供理论依据。

关键词： 低生育   人工智能   经济转型   生育意愿   生育行为  

摘要： 在人口结构转型与数字技术革命的双重背景下,中国面临生育率持续走低与人口老龄化加剧的严峻挑战。中国正处在经济社会快速发展的转型期,自动化和人工智能技术迅速发展,社会转型与技术进步叠加,深刻影响了劳动力市场、家庭经济决策与生育行为。本文从人工智能技术重塑社会生产方式的视角切入,分析中国生育率下降的原因,发现低生育的形成与经济社会转型、技术进步密切相关,就业稳定性、社会流动性和居民预期是影响生育率的本质因素。同时,人工智能技术既能通过优化资源配置缓解生育压力,也可能加剧劳动力替代焦虑抑制生育意愿。相应政策建议也不应仅仅局限在公共服务领域,更应该从劳动就业与福利保障领域出发,提前布局人工智能时代的收入分配制度和社会保障制度。本文论证构建中国特色生育支持政策体系的战略意义,提出技术赋能生育友好型社会建设的创新路径。政策体系需立足中国家庭文化传统,构建“技术支撑—制度保障—文化引导”三位一体的解决方案。

关键词： DeepSeek   人工智能   创新文化   中国式科技现代化  

摘要： DeepSeek作为中国人工智能领域的代表性创新主体，其技术突破与组织模式对传统创新文化范式实现了哲学解构：重构了创新主体，引发了方法论维度的创新逻辑嬗变，推动了创新伦理转向特别是价值论层面的创新伦理转向。对中国式科技现代化而言，DeepSeek启示我们要平衡集中式攻关与分布式创新，将制度优势转化为治理效能，推进知识民主化进程中的主体性重塑，融合技术伦理治理的中国智慧。在DeepSeek掀起的“科技热”背后，也要防范创新范式迭代中的异化风险，做好面向人机文明新形态的哲学准备，为中国式科技现代化进一步探索新路径。

关键词： DeepSeek   思想政治教育   人工智能   教育范式  

摘要： 以DeepSeek为典型的生成式人工智能深度应用正在重新塑造思想政治教育的形态和边界。在价值意蕴方面,DeepSeek借助构建动态交互的知识网络,把马克思主义理论转变为可进行探索的意义空间,促使教育目标从工具理性朝着价值理性转变,以“教师—技术—学生”三维关系重新构建教育主体性,并在智能适配机制里达成差异化教育公平,突破传统标准化教育的伦理困境。在逻辑机理方面,主要表现为技术、教育以及政治引领的三维协同,智能技术依靠认知脚手架和算法模型支持个性化知识建构,在教育规律的约束下形成政治性与学理性相统一的内容体系,政治引领将习近平新时代中国特色社会主义思想转化为算法表达,构建囊括数据、算法以及应用的全链条意识形态防护系统。在实践路径方面,应当构建人机协同的教育共同体,推动知识生产从静态供给转变为多维动态互构,建立终身追踪的评价体系来强化过程赋能。DeepSeek为智能时代思想政治教育提供理论创新以及实践范式,助力意识形态安全与教育治理现代化,贡献全球数字价值观教育的方法论启示。

关键词： 人工智能   新质生产力   就业力   人力资源管理   Z世代青年   高质量就业  

摘要： 就业是最大的民生。面对人工智能冲击，被称为“数字原住民”的Z世代青年更愿意将其应用到劳动过程中，获取新资源、提升新质就业力，实现高质量就业。为了探究人工智能技术赋能Z世代青年高质量就业的理论逻辑、作用机制与情境，基于自我决定理论和压力认知评价理论，构建了有调节的双中介效应模型。通过对469份问卷调查数据分析，结果表明：人工智能技术应用通过资源重塑和新质就业力双路径正向影响Z世代青年高质量就业,发展型人力资源管理作为情境因素强化资源重塑和新质就业力的双中介效应；人工智能技术通过健全分层分类培训体系“、政企校”多元协同、智能化平台搭建、优化人力资源管理等实践进路赋能Z世代青年高质量就业。在丰富人工智能与青年就业专门研究的同时，为企业利用人工智能技术提升青年新质能力、促进Z世代青年高质量就业、发展新质生产力提供经验借鉴和理论参考。

关键词： 人工智能   学位论文   学位法   人类中心主义  

摘要： 以DeepSeek为代表的人工智能不断冲击传统的学位评价体系，我国《学位法》几经讨论后删除了禁止使用人工智能代写的条款，是因为技术高速发展的当下并无成熟规制模式，且不应当排除正当的使用。然而，学位论文写作中使用人工智能产生的一系列法律风险并未消除。这些法律风险的背后是人工智能对人类中心主义的冲击，基本法律概念界限的模糊性，以及传统学位评价体系对人工智能的不睦。我国对学位论文中应用人工智能的法律规制，应坚持人本主义为底线与改革培养体系相结合，厘定辅助使用与学术不端的法律界限，鼓励学生合理使用国产人工智能。通过合理的引导和规范，化解潜在的法律风险，以发挥人工智能的正向效能。