关键词： 人工智能   高职院校   创新人才培养   教学模式  

摘要： 随着人工智能(Artificial Intelligence,AI)技术的快速发展,高职院校在“AI+教育”情形下迫切需要更新人才培养模式。文章依据国家政策以及高职院校现状,探讨“AI+教育”环境下高职院校在教育理念、课程体系、教学方法等方面面临的问题,并提出依托人工智能的创新人才培养途径。研究发现,在政策引领下的课程体系重构、智能化教学模式的运用以及校企合作关系的强化,是推进高职院校智能化转型的重要手段。

关键词： 卷积神经网络   模型量化   人工智能   混合精度  

摘要： 针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题,提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性,为位宽分配提供依据;使用逐层升降方法进行位宽分配,最终完成网络模型的混合精度量化。实验结果表明,与DoReFa和LSQ+两种固定精度量化方法相比,所提出的混合精度量化方法在平均位宽为3 bit的情况下将识别准确率提高了10.2%和1.7%;与其他混合精度量化方法相比,所提方法识别准确率提高了1%以上。此外,加噪训练能够有效提高混合精度量化方法的鲁棒性,在噪声标准差为0.5的情况下,将识别准确率提高了16%。

关键词： 人工智能   大学计算机课程   教学改革   普通高校  

摘要： 随着人工智能技术的快速发展,社会对信息技术人才的需求发生了深刻变化。普通高校作为人才培养的重要基地,其计算机课程的教学内容、教学方法和评价机制亟须适应这一变革。本文从人工智能时代对计算机教育提出的新要求出发,结合普通高校的实际情况,探讨大学计算机课程的教学目标、课程体系、教学模式以及评价机制等方面的改革思路,并通过数据分析和案例研究,提出切实可行的改革方案。

关键词： 意义建构者   新闻记者   人工智能   职能跃迁  

摘要： 新闻业在人工智能(AI)技术的影响下发生了深刻变革,给新闻记者带来诸多机遇的同时,也出现了一些挑战。本文对AI时代新闻记者能力转型与价值重塑措施进行了分析,以AI对新闻业造成的改变入手,提出新闻记者能力转型与提升价值的方法,旨在提高综合素养,推动新闻业的健康发展。

关键词： 战略传播   联合国   人工智能治理  

摘要： 作为全球治理的主要协调平台,联合国凭借其有效的战略传播系统和机制,在治理共识的达成及扩展方面展现出系统化、多元化、全球化等独有优势。当前,人工智能治理的重要性日益凸显,治理政策不断完善,国际合作逐步增强,但治理理念分歧明显,全球治理共识的达成仍面临诸多挑战。首先,各种治理问题层出不穷引发“问题拥堵”,导致了制度信任缺失;其次,不同国家对治理的预期存在差异,且治理效果具有不确定性,引发了理性信任危机;再次,在科技伦理、安全伦理和人权伦理等领域,伦理困境和文化差异显著,引发了价值信任不足。联合国作为人工智能治理理念的重要扩展者,在人际传播层面,通过高级别对话平台协调各国政策分歧,推动达成治理共识;在数字传播层面,通过全球覆盖和多元化的数字传播系统,推动治理共识的广泛扩散;在组织传播层面,通过行政化和立体化的方式将治理理念融入全球治理框架。

关键词： 教师发展   数字素养   人工智能   教育强国  

摘要： 面对人工智能等数字技术重塑教育生态的时代浪潮,教师正从知识传授者转型为学习组织者、价值引导者以及协同育人设计者等。角色的变化要求教师既能驾驭数字工具,更要以人文关怀坚守育人本质——技术可以做精准助手,而教师始终是启迪思维、塑造品格、守护成长不可替代的“园丁”。

关键词： 人工智能   冠状动脉变异   冠状动脉畸形  

摘要： 目的:探讨人工智能(AI)在冠状动脉变异与畸形中的诊断价值。方法:纳入2022年8月至2023年12月徐汇区中心医院行冠状动脉CT血管成像(CTA)检查的1 520例患者,利用AI和人工分别进行图像重建及分析,比较2组诊断冠状动脉变异与畸形的差异。结果:AI组与人工组对冠状动脉变异与畸形的总检出率分别为16.58%和15.33%,2组间比较差异无统计学意义(P>0.05)。2组在冠状动脉瘤、冠状动脉瘘及心肌桥的病例检出数量方面有差异,人工组检出冠状动脉瘤2例、AI组检出1例;人工组检出冠状动脉瘘7例、AI组检出4例;人工组检出心肌桥225例、AI组检出210例。结论:诊断冠状动脉变异与畸形方面,AI对个别复杂畸形及心肌桥病例的影像重建和分析还需进一步优化,AI重建与人工相结合分析冠状动脉CTA影像值得推广。

关键词： 矿区安全监控   人工智能   视频图像异常识别   深度学习算法  

摘要： 针对煤矿生产中视频监控系统存在的算法管理不统一、无法复用及人工监控效率低等问题,提出了一种基于“云、边、端”架构的矿区视频图像异常识别方法。构建了智能视频监控系统,采用深度学习算法对矿区视频图像进行实时分析,实现了对人员违规行为、设备异常和环境风险的智能识别。通过在大柳塔煤矿的实际应用,该方法能够有效识别未佩戴安全帽、吸烟、违规操作等多种异常行为;该系统告警准确率高、误报率低,实现了从人工监视到自动识别的转变,显著提升了矿区安全监管效率和风险预警能力。

关键词： 农产品完整性   风险预测   人工智能   机器学习  

摘要： 面对全球人口增长和农业生产压力,以及农产品质量安全问题的严峻挑战,传统的农产品完整性监测和风险预测方法已显不足。机器学习技术的飞速发展为农产品完整性监测和风险预测提供了新的解决思路。本文系统总结了机器学习技术在农产品安全风险监测(包括物理性、化学性和生物性风险)、农产品真实性和可追溯性保障,以及基于历史数据的农产品风险评估预测等方面的应用。机器学习技术无疑有效提高了农产品完整性监测效率,实现风险的早期发现和预防,为构建更安全、可靠的食品供应链提供了新的解决方案。虽然这些应用展示了巨大的前景,但在农产品完整性监测和风险预测领域人工智能化仍面临挑战。在总结文献的基础上,本文进一步探讨了这一趋势的前景和方向,提出了机器学习模型可解释性与信任问题的重要性,以及数据的获取和使用方面存在的问题,以改进机器学习在农产品完整性监测和风险预测中的应用。

关键词： 生成式人工智能   网络意识形态治理   网络空间  

摘要： 生成式人工智能的迅猛发展为网络意识形态治理带来新机遇。该技术凭借智能化内容生产与个性化传播优势,推动网络意识形态治理范式由“被动防御”向“主动塑造”、宏观构建向微观塑造、显性治理向柔性价值引领转型。面对这一新态势,加强网络意识形态治理应坚持政治统领,把握技术发展航向,突破“协同性壁垒”,强化多元共治,以更好地巩固主流意识形态阵地。