关键词： 人工智能   能源工程基础   教学创新   智慧课堂   个性化学习  

摘要： 探讨了如何融合人工智能技术创新应用于“能源工程基础”课程,构建了一种全新的教学体系。通过引入人工智能,显著提升教师备课效率,并实现智慧课堂替代传统教学模式。多媒体技术的应用丰富了课程内容,推动教学方式的深刻变革。同时,人工智能在学生自主学习中的应用提高了个性化学习和课后复习的效率。论文展望了未来课程优化方向,强调持续应用人工智能技术对课程体系的重塑,以培养适应时代需求的高素质人才。

关键词： 工业5.0   教师教育   数字化转型   人工智能  

摘要： 技术的持续迭代推动了工业5.0时代的到来,这为教师教育发展带来了新的机遇,也使数字化转型成为教师教育不可回避的发展方向。就其价值而言,面向工业5.0的教师教育数字化转型将引导教师进入不可逆的数字化进程,为教师角色的锚定与修正提供方向指引,并通过平台支撑和数字赋能推动教师专业成长。与此同时,教师教育数字化转型亦面临复杂挑战,如区域发展差异导致的教育数字鸿沟、教师数字技术运用能力欠缺以及教师教育数字化转型评价体系落后等。面向未来,教师教育数字化转型应采取三大举措,即以人本导向配置支持教师专业发展的数字化资源,持续提升人机协同智慧强化教师专业能力,构建灵活的教师数字素养评价体系,进而为建设教育强国和推进教育现代化培养高素质教师队伍。

关键词： 数字教材   生成式人工智能   ChatGPT  

摘要： 生成式人工智能正加速渗透教育领域,为中小学数字教材建设带来新机遇。研究以ChatGPT为主要对象,基于其四项核心能力,即启发性内容生成能力、对话情境理解能力、序列任务执行能力和程序语言解析能力,构建其在数字教材编辑加工、质量审核、出版发行、应用评估四个环节的未来图景。当前我国生成式人工智能赋能的数字教材建设仍处于起步阶段,面临着版权界定模糊,数字教材侵权纠纷频发;生成质量存疑,数字教材内容偏见凸显;角色遭受冲击,数字教材开发者压力骤增等现实挑战。为此,有必要从细化版权规定,夯实数字教材制度保障体系;严格质量把关,构筑数字教材全链条审核机制;积极适应转变,搭建数字教材协同开发共同体等方面探索实现路径,助力数字教材高质量发展。

关键词： 人工智能   精准医学   脑小血管疾病   影像组学  

摘要： 脑小血管病(cerebral small vessel disease,CSVD)是主要累及脑小动脉、微动脉、小静脉及毛细血管的脑血管病变[1]。随着全球人口老龄化进程加速,CSVD发病率呈现显著上升趋势,对公共卫生系统构成重大负担。现有研究数据显示,CSVD约占全部脑血管病的20%,是导致血管性痴呆(40%)和腔隙性卒中(25%)的主要病因[2]。该疾病临床表现复杂多样,包括:步态异常、自主神经功能障碍以及认知情感行为障碍等症状[3]。2023年发表的CSVD国际影像标准-2对CSVD的影像表现进行了统一术语定义,包括7项影像学表现:(1)近期皮质下小梗死;(2)腔隙;(3)脑白质高信号;(4)血管周围间隙;(5)脑微出血;(6)皮质表面铁沉积;(7)皮质微梗死[4]。

关键词： 人工智能   审计人才队伍   人才培养  

摘要： 在人工智能时代,审计行业正经历深刻变革,审计人才队伍培养面临新挑战与新机遇。本文剖析人工智能对审计工作的多方面影响,进而探讨当前审计人才队伍现状及问题。基于此,从完善人才培养体系、创新培养模式、加强校企合作、建立科学考核评价机制等方面提出策略,旨在打造适应人工智能时代需求的高素质审计人才队伍,提升审计工作质量与效率,推动审计行业现代化发展。

关键词： 等保2.0   网络安全   数据安全   主动防御   人工智能   综合治理体系  

摘要： 在高校数字化转型和人工智能背景下,高校网络安全面临严峻挑战。依据网络安全等级保护制度,坚持技术和管理相结合的原则,提出以高校网络安全态势感知平台为依托,以“四位一体”网络安全意识培养和管理体系建设为主线,以数据中心云网安融合安全服务链、蜜罐和云端引流主动防御、数据安全综合防护为技术支撑体系,建立高校网络安全综合治理体系,以此增强高校网络安全防御能力,提高网络安全治理水平,筑牢高校网络安全屏障。

关键词： 实验室安全管理   人工智能   多模态数据融合   联邦学习  

摘要： 针对传统实验室安全管理中存在的监测手段滞后、数据整合能力不足等问题,本文系统分析了传统实验室安全管理在风险预警、数据整合及应急响应方面的技术瓶颈。基于智能图像识别、动态风险预测模型及多模态数据融合等人工智能关键技术,采用案例分析与对比实验相结合的研究方法,通过多模态数据采集实验、联邦学习分布式训练实验及虚实融合应急演练平台搭建,提出基于端-边-云架构的系统设计方案与联邦学习驱动的数据治理方案并规划了虚实结合的应急演练平台开发路径。研究成果为实验室安全管理的智能化升级提供了技术支撑,推动安全管控从被动响应向主动预防转变,促进了多源异构数据的标准化治理与跨场景协同应用。

关键词： 大数据   政治安全风险   治理策略   人工智能  

摘要： 人类进入大数据时代,各个领域开启爆炸式的数据化过程。数据信息嵌入国家安全治理领域,以大数据为基础的技术赋能在给政治安全带来积极效应的同时,也可能带来国家网络主权、政治制度、意识形态等诸多维度的政治安全风险,增加网络主权冲突的可能性,加剧国家与社会治理危机,冲解政治认同。大数据的技术赋能、安全赋能和权力赋能是诱发政治安全风险的主要原因。树立大数据思维并培养大数据时代的政治安全意识,强化技术手段建设与人工把关水平以提升国家政治安全效能,完善制度设计以优化国家政治安全的制度保障体系,是大数据时代政治安全风险的智慧治理之策。

关键词： 人工智能   应用文生成   大语言模型   向量知识库   提示词工程   模型评测   ChatGPT-4Turbo   DeepSeek-R1  

摘要： 为提高应用文编写效率,提出一种融合大语言模型(large language model,LLM)与向量知识库(vector knowledge base)的应用文自动生成框架.根据目标应用场景,以人工编写的标准应用文为范本,构建结构化辅助生成文件,并建立相应类型应用文的向量知识库.利用目标类型应用文的章节标题和用户输入的关键信息在知识库中进行检索,匹配相关文段;设置提示词引导LLM,以召回的参考文段及用户输入的提示信息为参考,使用末级标题作为分割标志,分章节生成应用文文本;最终按规定格式整合全文并输出完整的目标应用文.以应急预案为例,在同一评价标准下使用ChatGPT-4Turbo进行评测,自动生成的应急预案高度趋近于人工编写的质量,二者的文档质量相似度达95.87%.所提方法能够在算力资源有限的情况下突破字数限制,生成符合基本标准的长篇幅应用文,可供人工参考或直接使用,极大提高了编写人员的工作效率.

关键词： 神经眼科   人工智能   大语言模型   应用评价   多中心  

摘要： 目的评价人工智能(AI)大语言模型(LLM)生成的与神经眼科相关典型临床问题的答案,并利用客观评价及专家评估的方式多维度探究神经眼科相关问题在LLM上的表现。方法多中心、随机、横断面试验研究。从神经眼科疾病定义、病因、临床表现及体征检查和治疗及预后4个角度选取30个神经眼科领域相关典型问题,分别使用Deepseek、文心一言4.0、豆包及Kimi 1.5四种国内开源LLM输出答案文本,采取客观评估法定量分析;同时采取专家评估法,由三位眼科专家分别对120个答案文本进行量化评分。根据问题回答的完整性、准确性和专业性及相关性和实用性分别制定3级、5级及4级李克特量表。选取其中表现最佳的LLM,观察在4类问题中该LLM是否存在表现差异,由另外三位专家评估各LLM是否可以替代真实世界医患沟通。结果在客观的汉语文本阅读难度分析中,4种LLM的总字数组间差异存在统计学意义(均为P<0.001)。在4种LLM中,Kimi 1.5表现最出色,其完整性最高分(3分)、准确性和专业性最高分(5分)、相关性和实用性最高分(4分)的频率分别为61%、29%、41%。Kimi 1.5在神经眼科疾病定义、病因、临床表现及体征、治疗及预后四个方面的问题中表现较为一致,组间差异均无统计学意义(均为P>0.05)。结论中文LLM在神经眼科临床应用中具有较大的潜力,Kimi 1.5在完整性、准确性和专业性及相关性和实用性方面表现较其他LLM出色,但仍无法代替真实世界医患沟通,未来需要探索AI+医师的新型诊疗模式。