关键词： 6G   智能机器通信   人工智能   高时效  

摘要： 人工智能在机器终端侧的广泛部署显著提升了机器智能水平,推动6G通信系统中“物联”服务对象从“可联网”的感知设备拓展至“可自主”的智能机器。预计到2030年,以智能车、工业机器人为代表的智能机器通信接入量将超过总接入量的85%。

关键词： 乡村振兴   农业高职院校   人工智能   通识课程   课程建设  

摘要： 乡村振兴战略与职业教育数字化转型双重驱动下,农业高职院校人工智能通识课程建设成为培养新型农业技术技能人才的关键路径。文章构建了“基础认知-场景创新-责任践行”双轨课程框架,针对非计算机专业和计算机专业学生分别侧重工具应用与工程实施能力培养。通过融合技术基础、国产工具实践、伦理研讨与产业应用的教学内容,采用“分层-混合”教学法,依托虚拟仿真平台与校企实战项目衔接理论与实践。研究结果表明,该课程体系能有效提升学生的数字素养与三农情怀,为乡村振兴提供可持续的智力支持。师资队伍建设通过跨学科协作、校企互聘等机制强化“农业+AI”复合能力,保障课程实施质量。

关键词： 生成式人工智能   网络暴力   风险   治理  

摘要： 网络暴力是数字时代社会矛盾与技术特性交织的复杂现象,生成式人工智能为网络暴力信息治理创新带来新的可能。从赋能逻辑来看,生成式人工智能在动态化监测网络暴力信息、全景式防治网络暴力风险、全流程嵌入网络暴力治理方面表现出巨大潜力,有助于消解网络暴力产生的负面影响。然而,生成式人工智能的应用也面临技术、制度和伦理层面的风险,亟待增强技术安全性与算法透明度、完善法律规制与责任追溯、倡导社会多元主体参与,加强伦理约束,从而实现网络暴力信息的高效治理。

关键词： 新闻记者   人工智能   真实性   报道深度   挑战  

摘要： 随着人工智能技术的快速发展,其应用范围迅速扩大。新闻行业应用人工智能技术,不仅能提升新闻内容编辑精准度,还能满足新闻即时性报道的需求。在人工智能浪潮下,新闻记者既面临良好机遇,又面临极大挑战。文章采用实地调查法、访谈法、观察法等,全面分析人工智能浪潮下新闻记者面对的挑战,并提出应对策略,得出新闻记者应提升业务素质、综合素质的结论。在人工智能技术广泛应用的影响下,新闻记者面临新闻内容同质化、机器误解偏见、技术影响未被重视、技术依赖等挑战,应坚持主体地位、核查新闻真实性、积极应用人工智能技术、挖掘报道深度,以更好地适应人工智能时代的发展变化。文章认为,当前人工智能技术仍在快速发展变化中,新闻记者要持续关注人工智能技术新变化,并将新技术运用到日常工作中,确保新闻内容编辑精准度。

关键词： 人工智能   电气自动化控制   自来水厂  

摘要： 自来水厂电气自动化控制系统是保障供水安全与高效运行的关键技术之一,人工智能为其优化提供了新路径。分析了自来水厂电气自动化控制系统的现状,研究了自动化控制系统架构、自动化控制加药单元以及自动化变频供水单元设计,提出了基于深度强化学习的自来水厂电气自动化控制方案,旨在提升系统的动态响应能力、运行稳定性。

关键词： 政民互动   生成式人工智能   大语言模型   DeepSeek   图灵测试   文本分析   领导留言板  

摘要： 随着自然语言处理技术和深度学习算法的突破,生成式人工智能已具备对人类语言、行为和思想观念的深刻理解能力,并在政策信息检索、团队冲突解决等场景中展现出超越人类专家的潜力,但政务聊天机器人在实际应用中仍面临技术局限性,亟需系统性评估其能力。研究旨在聚焦大语言模型在公共管理领域的应用效能,构建人工智能赋能政务回应效能评估分析框架,分别通过“图灵测试”与文本质量评估,系统探讨大模型在政民互动中的实践潜力与局限性。首先开展图灵测试,选取人民网领导留言板的咨询、建议、投诉类民众留言,同时调用API要求DeepSeek模拟公务员批量生成回复文本,并通过问卷调查收集用户满意度评价,开展“图灵测试”;其次,基于文本长度、表述逻辑、情感倾向、回应相关性等客观指标,对公务员与大模型回复文本质量进行量化评估比较,揭示不同官员职务层次对回复文本特征的影响。研究发现,通用大模型对民众留言的回复功能已经通过“图灵测试”,大模型生成回复的满意度显著高于公务员回复文本,其在简单政民互动中的回复能力已经初步达到人类水平。相较于公务员回复,通用大模型回复文本具有诸多特征,并在文本长度、语言表述逻辑等方面具有明显优势,但在情感倾向与回应性方面仍有不足,同时在代表不同层级官员回应时存在无差异回复的特征,说明其未能捕捉中国制度下领导职务层级与话语风格的关联,暴露出技术逻辑与行政逻辑的脱嵌问题。最后为发挥生成式人工智能对公共服务供给的提升效能提出若干建议。

关键词： 生成式人工智能   高校   政策文本   应用路径  

摘要： 作为人工智能的新突破,生成式人工智能(Generative Artificial Intelligence,GenAI)给高等教育带来了巨大的机遇与挑战,“高校如何应用生成式人工智能”成为了高等教育领域备受瞩目的议题。为此,文章采用质性研究方法,基于国外11所高校发布的14份GenAI应用指南政策文本进行研究,通过数据收集和开放式编码、主轴编码、选择性编码三个阶段的数据分析,形成了高校GenAI应用路径模型。此模型通过“价值引领”建立共同理解、“条件保障”打造支持环境、“教育创新”奠定知识基础、“审查评估”规避潜在风险,全方位、立体化地描绘了高校应用GenAI的现实图景。之后,文章依托此模型,借鉴国外高校的GenAI应用经验,提出我国高校的GenAI应用策略,以回应“高校如何应用生成式人工智能”的问题,并为我国高校实现数字时代的教育高质量发展提供理论支撑。

关键词： 人工智能   意识形态   生成逻辑   消解策略  

摘要： 生成式人工智能作为人工智能领域的前端分支,在赋能信息生成与传播等方面彰显出卓越优势,但在资本逻辑内嵌、技术“自主性”衍生价值偏向和“把关”主体格局变革的共同影响下,易引发网络主流意识形态被侵蚀、被干扰及被弱化三重风险,对我国主流意识形态的凝聚力和引领力形成一定的冲击和挑战。消解生成式人工智能应用诱发的网络意识形态风险,应当强化主流意识形态价值引领,掌握生成式人工智能应用过程中主流意识形态话语权,从而推动我国网络意识形态安全治理现代化。

关键词： 人工智能   内容生产   质量控制  

摘要： 人工智能技术为新闻行业的创新和转型带来了广阔空间。人工智能不仅提高了内容生产效率,还能保障新闻的准确性和真实性。本文探讨了人工智能技术在新闻媒体的应用现状以及发展前景,为新闻媒体保持竞争优势提供参考。

关键词： 目标检测   低光场景   红外预测   特征融合   特征金字塔   全局特征   局部特征   人工智能  

摘要： 【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取。为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能。然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担。基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力。【方法】InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力。为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块。COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖。此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率。【结果】实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异。具体而言,S mAP50达到了0.830,S mAP50-95达到了0.426。同时在DroneVehicle数据集上进行了实验,S mAP50达到了0.702,证明了InSCnet具备多类别低光检测能力。【结论】InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案。未来的研究可以进一步探索如何优化网络结构。