关键词： 技术治理   人工智能治理   法律规范   人工智能伦理  

摘要： 技术治理作为一种技术性或技术化的治理活动,更加关注人与技术在治理活动中的互动关系。应用到人工智能治理之中,技术治理的思维不仅要求对人工智能的治理从传统约束式治理理念向促进式治理理念的转变,更需要技术摆脱以往作为治理对象的思维惯性,实现人工智能技术的自我治理。然而,以技术治理的思维治理人工智能并非简单的规则套用,在实践中容易存在规范思维“陷阱”、技术治理不能以及伦理风险等困境。对这一问题的解决,不仅需要综合考量技术治理与法律治理之间相互调节的作用,实现“技”与“法”相互调节的规范治理,还应完善以技术标准为主的软法规范体系,避免技术实施标准的模糊与手段的僵化。同时,强调更加负责任的人工智能伦理规范引导,以实现更加持续、健康的人工智能技术发展。

关键词： 生成式人工智能   课堂教学   个性化学习  

摘要： 为了探讨生成式人工智能在课堂教学中的应用与挑战,本文分析了其在个性化学习支持、智能辅导、自动化作业批改、增强课堂互动等方面的实际应用,并讨论了数据隐私、教师角色变化、技术依赖及学术诚信等挑战。研究结果表明,生成式人工智能能够显著提升课堂教学效率和学生学习效果,但也带来了数据安全、教师适应性、学生独立思考能力和学术诚信等问题。建议加强数据保护、提升教师AI素养、平衡AI与传统教学结合以及完善学术诚信机制,以优化AI在课堂中的应用效果。

关键词： 垂体瘤   分子遗传学   人工智能   手术   免疫治疗  

摘要： 垂体瘤是一种复杂而异质性大的神经内分泌肿瘤,其发生和发展涉及多种分子机制和信号通路。近年来,随着分子遗传学技术、单细胞测序和人工智能的快速发展,垂体瘤的研究取得了显著进展。这些技术揭示了肿瘤的分子异质性、关键基因突变和肿瘤微环境的特性,为精准分型和个体化治疗奠定了基础。在治疗领域,内镜技术推动了手术策略的不断优化,靶向治疗和免疫治疗的探索为侵袭性垂体瘤患者提供了新的希望。本综述聚焦于垂体瘤研究的最新进展,包括核心分子机制、免疫微环境的角色、人工智能辅助的风险预测,以及新型治疗方法的实践与展望,为未来的精准医学发展提供参考。

关键词： 智慧教育   教育数字化   教育高质量发展   人工智能   智慧校园  

摘要： 智慧教育是教育数字化转型的结果,也是未来教育发展的新形态.目前,智慧教育研究取得显著成就,智慧教育实践探索取得阶段性丰硕成果.智慧教育正从学术研究走向政策选择,并上升到国家战略层面.未来,智慧教育必将持续呈现良好发展态势,从先行试点逐渐扩展到大规模推广.当前,非常有必要加强国家智慧教育发展水平监测与评价,共同推进包容和公平的教育,促进全球教育高质量发展.为开启未来教育高质量发展的新征程,共创人类教育文明,倡导人类遵循主动适应时代发展、积极拥抱智能技术、科技赋能迈向卓越、构建智慧教育生态的发展理念.

关键词： 人工智能技术   信息科技   课程教学  

摘要： 中小学信息科技课程教学中普遍存在课堂氛围枯燥、教学资源匮乏、实践环节不足、教师角色定位不准等问题.为改善这种教学现状,本研究提出了人工智能技术赋能信息科技课程教学的应用实践路径创新,在此基础上,提出了人工智能技术赋能信息科技课程教学的策略,通过生动导学激趣、在线资源建设、项目实践与应用以及专业培训与智能辅助来解决课程教学目前存在的问题.本文的目的旨在为中小学信息科技课程教学提供借鉴,以提升其质量和教学效果.

关键词： 智能技术   个性化学习   效果评价  

摘要： 随着智能技术的迅速发展,人们对个性化学习越来越重视,传统的个性化学习效果评价方式已不能满足人们的要求,智能技术与个性化学习效果评价的关系将日益紧密.本研究通过对个性化学习的内涵及现状进行分析,探究了基于智能技术的个性化学习效果评价的学习情感与态度、过程性学习行为以及问题解决能力等要素,最后尝试构建了智能技术支持的个性化学习效果评价模式.以期为人工智能时代学生个性化学习效果提供更为完整的评价模式,为实现学生的个性化发展提供补充.

摘要： 近年来,全球人工智能技术进入了快速发展期.2022年底,ChatGPT的问世掀起了生成式人工智能的全球竞赛,Claude、Jasper等产品不断涌现.中国在这场全球技术革命中展现出了亮眼的成绩.比如,2024年底,深度求索公司发布的万亿参数大模型DeepSeek在数学推理能力上超越GPT-4达15％;宇树科技的16台人形机器人在春晚节目《秧BOT》中,身着花袄、手持彩绢,以精准的队形变换和灵动的"扭秧歌"动作演绎传统民俗文化,获得了全球的赞叹.

摘要： 人工智能（AI）是指由机器（尤其是计算机系统）展现出的智能特性，其核心目标是开发能够感知环境、学习知识、进行推理、作出决策并执行复杂任务的算法与系统，从而最大化完成既定目标的效率与效果。1950年，艾伦·麦席森·图灵（Alan Mathison Turing）编写并出版了《曼彻斯特电子计算机程序员手册》，并发表论文《机器会思考吗》，两部著作的诞生使其获得了"人工智能之父"的称号。1956年8月在美国举行了达特茅斯会议，不但定义了什么是AI，而且还拟定了一个以逻辑决策为核心的路线图，从此开启了AI的研究时代。自20世纪80年代至今，各种各样的AI算法层出不穷。其技术实现依赖于机器学习、深度学习、强化学习、ChatGPT、DeepSeek等方法。特别是DeepSeek，2024年12月26日，杭州深度求索人工智能基础技术研究有限公司正式上线DeepSeek-V3版本并同步开源，使用数据蒸馏技术，得到更为精炼、更有用的数据。

关键词： 超声检查   人工智能   甲状腺滤泡性肿瘤   甲状腺滤泡癌  

摘要： 目的评估人工智能（AI）辅助诊断系统在诊断甲状腺滤泡性肿瘤中的应用价值，并与不同年资的超声医师的诊断结果进行比较。方法回顾性收集2016年5月至2018年1月于中国医学科学院北京协和医学院北京协和医院接受手术治疗的86例甲状腺滤泡性肿瘤患者的101个肿瘤。以术后病理为金标准，分为有风险组（29例患者，34个结节，包括滤泡癌15个，恶性潜能不能确定的滤泡性肿瘤19个）和良性组（57例患者，67个结节，包括滤泡型腺瘤15个，结节性甲状腺肿腺瘤样增生52个）。计算AI系统、不同年资的两位超声医师（低年资医师A、高年资医师B）和甲状腺超声恶性风险分层指南［包括2015年美国甲状腺协会（ATA）指南、2017年美国放射学会甲状腺影像报告和数据系统（ACR TI-RADS）、2020年中华医学会超声分会甲状腺影像报告和数据系统（C-TIRADS）］（由一位高年资医师C分类）诊断滤泡性肿瘤（有风险组）及滤泡癌的敏感性、特异性和准确性，并进行比较。结果AI系统诊断滤泡癌的敏感性46.7%，特异性89.6%，准确性81.7%；诊断滤泡性肿瘤（有风险组）的敏感性32.4%，特异性89.6%，准确性70.3%。与低年资医师A相比，AI系统诊断滤泡癌及滤泡性肿瘤（有风险组）的特异性明显更高（89.6%比83.6%，P=0.020；89.6%比73.1%，P=0.020），敏感性差异无统计学意义（46.7%比13.3%，P=0.181；32.4%比11.8%，P=0.073）。AI系统与高年资医师B的敏感性、特异性差异无统计学意义（均P＞0.05）。AI系统与低年资医师A、高年资医师B、C-TIRADS、ATA指南和ACR TI-RADS相比，诊断滤泡癌及滤泡性肿瘤（有风险组）曲线下面积差异无统计学意义（均P＞0.05）。结论基于超声AI辅助诊断系统与高年资超声医师诊断甲状腺滤泡性肿瘤的效能相似，AI系统诊断特异性优于低年资超声医师。