关键词： 卢德主义   技术进步   就业增长   收入分配   人工智能  

摘要： 卢德主义对技术进步与就业关系的认识存在局限性,忽视了技术进步对就业的长期、整体及动态影响。现实数据表明,长期而言,技术进步促进了就业增长,但这需满足产业链上下游的有效协同、充分发挥最终需求的关键作用、合宜的市场规制等条件。研究认为,尽管卢德主义者的认识存在局限,但是部分微观个体的就业损失真实存在,必须重视微观层面劳动者的诉求,并采取有效的再分配政策,确保技术进步的红利惠及所有劳动者。在人工智能时代,劳动节约型技术的基本属性未变,仍具有节约劳动特征,但分析不应仅停留于表面的岗位替代效应,而应深入探讨其对工作任务与技能需求的结构性重塑。技术进步通过分解与重组工作任务,改变工作任务边界与分配方式,引发技能需求的深刻变化,对此,需建立以任务与技能为导向的技能培训体系。人工智能时代的就业前景取决于如何塑造技术发展方向、管理转型过程并公平分配技术红利,技术进步本身并不决定社会经济结果,关键在于围绕技术发展所作出的制度选择和政策安排,应通过前瞻性的政策设计,引导人工智能技术成为推动经济繁荣和增进社会福祉的动力,而非就业的威胁。

关键词： 人工智能   精准思政   教育数字化  

摘要： 在教育数字化背景下,人工智能在识别、分析、供给和评估四个精准思政核心环节中发挥了重要作用,推动精准思政朝着系统化、个性化、数字化和智能化方向不断发展。然而,这一过程中产生的矛盾同样不容忽视,主要表现为:技术资本逻辑与价值引领性之间的矛盾,技术依赖与教育双方主体性之间的矛盾,虚拟空间与现实空间之间的二元对立。因此,兼顾技术发展与价值引导,统筹技术赋能与主体性增能,构建虚实相融的育人空间,成为精准思政走出现实困境的必经之路,并以此保持精准思政的人文性与价值底蕴,实现技术与育人目标的内在契合。

关键词： 汉字优势   汉字维度   人工智能   双主体   双向训练  

摘要： 汉字能延续5000年并将继续辉煌,“维度优势”是其内因之一。DS-R1较全面地总结了既有数据中的“汉字优势”,但尚未能自主创造出有关“汉字优势”的新数据和新实践。作为自然智能主体,我们可以学习人工智能“端到端神经视觉网络”的训练方法,返回“从主体到对象世界”的原初场景,模拟汉字创制、显现、抽象、还原的全过程:汉字通过2维的简帛纸屏、3维的甲骨金石,表达4维的意义时空;感性显现的2维或3维,可拓展为具有逻辑抽象性的、从0维到4维的“全集”。汉字在各个维度体现出自由想象、多样稳定性、叙事较高效率、较多阐释路径等优势。汉字维度优势研究,在“六书”“反训”等既有数据之外,以创新的概念范畴系统和阐释路径,为人工智能提供具有中国特色的数据训练和实践训练例证。

关键词： 资本驱动   人工智能   殖民风险  

摘要： 人工智能是资本的物质载体,承载着资本逐利的逻辑与扩张的需求,在技术层面不断突破边界,为资本开辟新的价值增殖的殖民路径。资本驱动下人工智能延续了世界发达国家与发展中国家之间的权力不平等,对资本驱动下的人工智能殖民风险进行分析,有助于认识其中的剥削实质,并找到去殖民化的路径。首先,提出殖民性扩张是资本主义发展人工智能的必然趋势,揭示资本驱动下人工智能的殖民本质。其次,探讨资本驱动下人工智能的殖民表现,即劳动力剥削、资源掠夺、高科技人才掠夺和道德倾销,进而从经济、政治、文化、社会等领域探讨了人工智能殖民主义所带来的消极影响。最后,提出人工智能去殖民化的中国使命,以推动全球人工智能发展更加公平、普惠。

关键词： 人机协作   创造性学习   科创教育   生成式人工智能  

摘要： 科创教育是培养创新型人才的重要途径,生成式人工智能的兴起为赋能科创教育的育人模式提供了新的机遇。研究深入剖析智能时代的创造力内涵,厘清人类创造力和AI创造力的区别和关系,详细阐述包含对话理论、群体创新理论、知识建构理论和建构主义理论的创造性学习理论框架,构建人工智能赋能科创教育的人机共创学习模式。在该模式下,项目主题应具备趣味性、开放性、关联性、意义感和价值感的特点,以兴趣驱动人机共创学习;创造力学习环境设计应基于4P框架,为学习者打造一个可控且安全的“微世界”;学习过程应遵循设计思维过程,包含确定问题和解决问题两个阶段;学习模式可以参考黑客松模式,在短期通过团队合作完成特定创造性任务。最后以“数字游戏制作”为案例,详细分析了该模式在实际应用中具体设计,以期为构建面向未来的人机共创的学习模式提供新路径。

关键词： 大数据   人工智能   审计信用   人才培养   模式转型  

摘要： 随着大数据与人工智能技术的快速发展,审计行业正面临着深刻的变革,审计信用人员作为保障审计工作质量和公信力的核心力量,其培养模式亟待转型以更好适应现代数字化社会的需求。本文从大数据和人工智能融合的视域出发,分析了当前审计行业对于人才培养的需求,提出基于大数据与人工智能技术融合视域下的新型培养模式,并结合大学生的学习特点,提出了关于激发学习兴趣和提升实践能力等方面的具体策略,旨在为审计信用人员的培养提供理论支持和实践指导。

关键词： 新一代人工智能   高校体育   混合式教学   改革  

摘要： 本研究旨在探讨基于新一代人工智能技术的高校体育混合式教学实践改革策略。研究采用文献资料法、教学实践法,对高校体育混合式教学现状及问题进行调查分析。研究结果表明,新一代人工智能技术在高校体育混合式教学中具有诸多优势,如智能化教学设计、个性化学习支持、实时互动反馈等,但同时也存在师资力量不足、教学模式单一、评价体系不完善等问题。针对这些问题,本研究提出了优化教学设计、丰富教学资源、创新教学模式、完善评价体系等改革策略。研究认为,基于新一代人工智能技术的高校体育混合式教学是未来教育发展的必然趋势,需要从加强师资培训、优化教学设计、创新教学模式、完善评价体系等方面进行改革,以促进高校体育教学质量的提升。

关键词： 声音权益   人工智能   人格权  

摘要： 《民法典》正式施行后,对于声音权益的保护工作也进入了全新时期。自然人的声音具备独特、唯一且稳定的特性,能够作为其身份的标识,不仅关乎人格尊严,还明显带有财产方面的属性,未经允许使用他人声音的行为已构成侵权。进入人工智能时代,声音处理技术日趋成熟,这使得声音的利用方式与侵权形式都呈现出多样化特点。目前,现行法律在声音权益保护方面还存在欠缺。因此,无论是相关法律还是行业规范,都迫切需要进一步健全,从而应对侵权行为日益复杂的现状。

关键词： 电力现货交易   人工智能   辅助决策系统   多源数据  

摘要： 为解决电力现货交易中信息不对称、决策复杂等问题,本文设计了一种基于人工智能的辅助决策系统。系统通过四层架构整合多源异构数据,结合短期负荷预测、概率化出力预测和纳什均衡求解等人工智能技术,实现精准的策略推荐与辅助决策支持。实验结果表明,该系统在预测精度、市场效率和计算效率等方面显著优于传统方法,为提升电力现货交易效率提供了重要参考。

关键词： 人工智能   水下目标检测   深度学习   YOLOv8   注意力机制   特征金字塔  

摘要： 针对水下目标检测任务中小目标特征信息少和受水下环境影响导致检测精度低的问题,提出一种基于自注意力机制和改进金字塔的水下小目标检测算法,记为SF-Bi-YOLOv8.以YOLOv8为框架,设计一种加强全局特征提取能力的Swin-Fa模块对YOLOv8的骨干网络最后一个C2f层进行改进,提高了模型的小目标检测能力;将特征融合网络的特征金字塔结构替换为简化型加权双向特征金字塔结构(weighted bidirectional feature pyramid network,BiFPN)以更好地学习多尺度特征;采用线性区间映射Focaler-IoU的方式重构检测头的损失函数,从而关注难易样本,加速边界框回归.实验结果表明,在水下检测目标(detecting underwater objects,DUO)数据集上,SF-Bi-YOLOv8算法交并比(intersection over union,IoU)阈值为0.50时的平均精度达到0.862,较原YOLOv8提高了0.023,IoU阈值从0.50到0.95时的平均精度提高了0.036.研究结果可为水下目标检测任务提供参考.