关键词： 人工智能文学   创作主体   创作客体   文学文本   文学意蕴  

摘要： “数字人文”时代,文学在科技的加持下呈现出新的变化,人工智能文学异军突起。近些年来,人工智能参与文学写作的热度持续攀升,俨然成了当下热门的文化现象。2017年,微软研发的人工智能程序“小冰”出版诗集《阳光失了玻璃窗》,清华大学研发的人工智能程序“九歌”亮相央视《机智过人》栏目,与人类选手同台竞技,备受关注。本文从人工智能文学的产生、发展及现状的分析入手,探究其在当下发展中所呈现的审美困境。

关键词： 生成式人工智能   创客教育   科技与文化融合  

摘要： 本研究以“红山玉龙智能小夜灯”项目为例,探讨生成式人工智能技术在创客教育中的应用。目标是引导学生探索文物价值,培养创新思维和实践技能。学生通过人工智能平台体验科技与文化融合,增强对传统文化的认同。项目还展示了文物与现代科技结合的潜力,为相关活动主题提供案例参考。

关键词： 示范性高中   机器人竞赛   人工智能   科技创新教育   青少年科技创新大赛   全国青少年   抚顺市   中学  

摘要： 抚顺市第二中学创建于1923年,是辽宁省首批示范性高中,先后获评2019、2020、2021年度全国青少年人工智能活动特色单位,第37届全国青少年科技创新大赛十佳科技教育创新学校,第十八届中国青少年机器人竞赛优秀学校等称号。

关键词： 微电子学   微纳系统集成   人工智能  

摘要： 作为物联网与人工智能领域的核心技术,感知传感与微纳系统集成是推动上述领域微型化、智能化、高度集成化的关键。以微纳机电系统(MEMS/NEMS)为代表的微电子学、集成电路等学科方向的深入发展,为上述技术的创新提供了重要支撑。但该领域的进一步深入发展和应用,仍亟需解决异质异构集成、多模态融合感知、多参量单片集成、传感功能一体化等关键技术难点,需要在新型半导体材料、新型异质异构集成、新型复合集成机理、新型微纳跨尺度制造等方向推陈出新。

关键词： 人工智能专业   教育改革   学科交叉   跨应用领域   实践教学  

摘要： 为了缓解快速发展的人工智能领域与高校人工智能专业教育之间的矛盾,研究提出了一种以学科交叉为基础的横纵交叉跨应用领域教学模式。该模式强调以实际应用为导向,通过简化冗余的基础课程、与相关应用领域的专业教师合作设计专业课程,以及开展企业级项目实践教学,提升了学生的综合能力和实际应用技能。这一模式为高等院校人工智能专业教育改革提供了有益的探索。

关键词： 泌尿系结石   成分分析   体层摄影术,X线计算机   影像组学   人工智能  

摘要： 泌尿系结石是泌尿外科的常见疾病,结石成因、成分及位置复杂多变,相应并发症严重困扰患者并影响临床诊疗方法的选择及预后评估。随着医学影像及人工智能(AI)技术的深入研究和应用,基于医学影像数据的泌尿系结石智能检测和评估分析成为临床决策不可或缺的手段。本文简述了泌尿系结石成因及当前主流影像检测方法的应用,并对AI技术在泌尿系结石的检出、自动分割、成分分析、并发症及预后评估等方面的相关研究进展进行阐述和分析,以期指导临床诊疗决策。

关键词： 人工智能   网络文学   “主体性”危机   镜像化扩容   数据化依赖  

摘要： 迅猛发展的人工智能正在对网络文学的创作主体、内容生成及产业化进程产生深刻的影响。其首要问题在于,智能化程度越来越高的人工智能是否会替代人类,成为网络文学创作的主体。人工智能归根结底只是人类创造的工具,即使是生成式人工智能,它所依赖的依然是数据、算法与算力,而人的存在才是衡量人工智能价值的根本标准。人工智能没有真正的“主体性”,但会推动网络文学生产方式的演变。人工智能深度融入现实生活的实践,会影响网络文学的内容生成而具有镜像化扩容的效果,促进科幻类网络文学的崛起,丰富网络文学的情节设定和内容想象,产生能促进类型小说内容变革与创新的新变量。同时,人工智能对网络文学产业的深度介入,导致了网络文学的数据化依赖。这有助于实现网络文学的定制化生产、精准化推送和个性化阅读,但也可能引发网络文学创作的庸俗化、同质化和数据崇拜,容易产生“信息茧房”的消费症候,进而造成审美趣味的单一化和审美能力的弱化。

关键词： 机器学习   新型冠状病毒感染   森林图   人工智能   极端梯度提升(XGBoost)   预后   预测模型  

摘要： 目的探讨影响新型冠状病毒感染(novel coronavirus pneumonia;别名corona virus disease 2019,COVID-19)重症病人预后的危险因素,建立预测模型并进行验证,进而准确地评估COVID-19重症病人的不良预后。方法收集2022年11月1日至2023年7月1日沧州市中心医院收治的526例COVID-19重症病人的临床指标与结局(院内28 d内死亡或存活)。用于R软件“caret”包,将526例病人按7∶3的比例拆分为两组:训练集(n=369)用于模型训练,测试集(n=157)用于模型验证。利用极端梯度提升(XGBoost)、随机森林(RF)2种机器学习算法构建病人临床结局的预测模型,应用SHAP进行XGBoost模型可解释性分析,分别得出影响病人预后的变量。将RF和XGBoost得出的变量取交集得到差异有统计学意义的变量,进而构建决策树模型。最后,在训练集和测试集上利用受试者操作特征曲线(ROC曲线)、曲线下面积(AUC)评估所决策树模型的预测性能。结果通过XGBoost模型得到与院内死亡相关的变量15个,随机森林模型得到与院内死亡相关的变量23个,两种模型取交集得到13个与院内死亡相关性最强的重要变量(白细胞介素-6、N端脑钠肽前体、白蛋白、超敏肌钙蛋白I、淋巴细胞、血乳酸、α-羟丁氨酸、肌酸激酶同工酶、动脉血氧分压、年龄、尿素氮、血红蛋白、乳酸脱氢酶)。用这13个重要变量构建决策树模型,得出2个与病人死亡最相关的变量(白细胞介素-6、淋巴细胞),死亡组病人的白细胞介素-6为155.48(42.81,691.3)ng/L,显著高于存活组15.38(10.51,31.11)ng/L(Z=37387.50,P<0.001)。死亡组病人的淋巴细胞为5.4(3.3,12.6)%,显著低于存活组13.5(8.62,22.28)%(Z=10584.50,P<0.001)。在训练集上的决策树模型预测COVID-19重症病人死亡的AUC为0.86,在测试集上的AUC为0.84。结论基于XGBoost和随机森林这2种机器学习方法构建的决策树模型能够更准确地评估COVID-19重症病人的不良预后。

关键词： 人工智能   面向对象   Java语言   Python语言  

摘要： 人工智能技术涵盖应用广泛,人工智能技术的最底层逻辑是程序语言,程序语言承担了人工智能最基础的角色,实现了最基本的算法。以目前市面流行的Java语言和Python语言为例,重点从程序语法方面探讨了两种语言的异同,并以实例加以分析,针对同一个问题采用不同的编程语言去解决,将实例代码进行了拓展和对比,可以看出两者的优势和劣势,为更新程序提供了一定的思路。

关键词： 人工智能   商业方法   客体   技术性   人的自然属性   人的主观属性  

摘要： 人工智能时代,由于商业方法通过算法与技术的深度融合实现模式创新,商业方法更强调技术整合与应用场景的结合,其“技术性”判断显得更为模糊。为针对性地解决我国当前审查实践中存在的技术性要求过于严格、可操作性不强等问题,涉人工智能商业方法专利客体适格性的审查,更需要在整体视角下准确把握“技术”的内涵,坚持“无技术肯定不行”的原则,明确“客体审查”与“创造性审查”分离机制,发挥“技术性”标准的“门槛式”作用,合理界定方案“利用自然规律”标准的“不经人为干预”内涵,排除的是人的主观属性,可利用人的自然属性,判断商业需求是否实现向技术问题的转化。