关键词： 大型视觉语言模型   物体幻觉   图像对比增强   人工智能  

摘要： 大型视觉语言模型(LVLM)在理解视觉信息和运用语言表达方面展现出了非凡的能力.然而,在LVLM进行问答的过程中,它通常受到物体幻觉问题的困扰,具体表现为生成的文本内容看似合理,但实际上却与图片中的信息不相符,造成了文本与图片之间的不匹配现象.为解决这一问题,本文通过实验发现,物体注意力的缺失是导致物体幻觉的关键因素.为缓解此问题,本文引入了图像对比增强方法(ICE).ICE是一种无需训练、操作简便的方法,通过对比原始视觉输入与增强视觉输入所产生的输出分布,有效提升模型对图片的感知能力,确保生成的内容与视觉输入紧密契合,从而生成上下文一致且准确的输出.实验结果显示,ICE方法在无需额外训练或外部工具的情况下,便能显著减轻不同LVLM的物体幻觉问题,并在大型视觉语言模型基准MME测试中同样表现出色,验证了其广泛的适用性和有效性.本文代码链接:ChangGuiyong/ICE.

关键词： 新产品开发   生成式人工智能   人智融合   知识迁移   行动者网络理论  

摘要： 产品创新度与创新效率的矛盾是新产品开发中长期存在的难题,生成式人工智能为解决该难题提供了新的机会和条件。目前,鲜有研究将新产品开发实践与生成式人工智能创新相结合,探讨基于生成式人工智能的新产品开发人智融合机制,导致对生成式人工智能情境下新产品开发如何形成新突破的理解有限。本文界定了新产品开发人智融合的概念,总结提炼出人智融合区别于人机协同的两个主要特征。基于行动者网络理论,本文阐述了基于生成式人工智能的新产品开发人智融合机制,即开发者通过提示词工程引导、大数据筛选工程微调生成式人工智能,以及生成式人工智能通过知识发现工程形成对开发者的反馈。本文的研究结论深化了新产品开发中的人智融合理论研究,为企业通过生成式人工智能解决产品创新度与创新效率的矛盾提供了实践启示。

关键词： 地物分类   人工智能算法   应用  

摘要： 在村镇建设过程中,准确确定地物类型是实现科学化与精细化空间规划的关键。随着遥感技术的发展和深度学习模型的广泛应用,地物分类任务的精度和效率得到了显著提升。该研究基于遥感影像数据,聚焦深度学习模型在地物分类中的应用,旨在评估不同深度学习模型在地物分类任务中的表现。该研究选取了7种常见的深度学习模型,从分类精度维度进行对比分析。通过系统评估不同模型在地物分类中的表现,发现各模型在不同地物类型的分类效果上存在显著差异。部分模型在分类准确性、泛化能力和处理复杂地物分布方面表现较为优越,能够有效提升地物分类的精度。研究结果进一步验证了深度学习技术在村镇地物分类中的显著优势,不仅为村镇建设中地物类型的精准确定提供了技术支持,也为优化村镇空间布局规划、土地利用和生态环境保护提供了理论依据和实践指导。

关键词： 人工智能   病理学   诊断   计算机辅助   未来   算法  

摘要： 数字病理学(digital pathology, DP)在癌症诊断中的应用日益广泛,为更快、更高质量和更准确的诊断提供了新的工具。诊断病理学实践经历了显著的转变,其中数字成像、先进的人工智能(artificial intelligence, AI)算法和计算机辅助诊断技术等新工具被用来辅助、增强并赋能计算组织病理学和AI驱动的诊断。这为肿瘤精准医学的发展铺平了道路。AI工具为解剖病理学和临床病理学工作流程中的创新和进步提供了独特的平台。在本综述中,我们描述了AI在临床病理学中应用的里程碑和标志性研究,并重点探讨了未来的发展方向。

关键词： 生成式人工智能   法律风险   规制困境   规制路径  

摘要： 生成式人工智能(Generative AI)技术在众多领域的广泛应用,引发了数据隐私泄露、虚假信息传播及知识产权侵权等一系列潜在的风险及法律问题。现有的法律框架在应对生成式人工智能所带来的这些新型风险时,存在规制框架滞后、治理效能不足、监管合力缺失等困境。对此,需从立法、执法、司法三个维度协同:立法上建立数据分类治理等规则;执法中形成多主体生态监管网络,强化技术合规审查;司法层面构建司法治理体系。以此为生成式人工智能可持续发展提供保障。

关键词： 生成式人工智能   训练数据   数据安全   数据风险治理   欧盟经验  

摘要： [目的/意义]生成式人工智能模型的性能依赖于训练数据的安全性,而频发的训练数据安全风险已经成为人工智能技术发展的障碍。保障训练数据安全对技术的健康发展具有重要意义。[方法/过程]通过文献、经验和比较分析,揭示了生成式人工智能训练数据的安全风险,并在借鉴欧盟治理经验的基础上,结合我国实践提出了应对策略。[结果/结论]研究发现,当前训练数据存在数据来源不透明、标注不规范、内容不安全及泄露风险等问题。欧盟已建立以保障数据来源、标注、内容及泄露防控为核心的监管体系。未来,我国应加强数据来源管理、统一标注标准、完善内容安全规则,强化数据保护技术以确保训练数据安全,推动技术健康发展。

关键词： 人工智能   设计思维   创新   不确定性  

摘要： 目的为人工智能时代的设计思维创新路径提供新的视角和策略建议,以应对这一时代的挑战和机遇。方法从不确定性到确定性的视角出发,将设计思维视为包含材料、形式、生产方式和功能的整体产品并通过文献研究,对传统设计思维和人机协同设计思维的结构进行总结和对比。以此为基础,探讨人工智能时代背景下设计师的创新模式、对不确定性的处理、设计材料与工具,以及设计师角色的转变。结果传统设计思维的结构更多是为一种“独白式”创新而服务的,人机协同设计思维的结构则更强调“对话式”创新并构建了该模式的范式形态。结论人工智能时代背景下,设计师需要更注重技术带来的不确定性,利用大语言模型拓展自身和人机协同的边界并构建能与机器共创的设计语言,以实现“对话式”创新。

关键词： 人工智能   数字化学习与创新   人机共教   教学评价  

摘要： 随着教育数字化转型的推进,人机共教共评成为教学新模式。本文从人工智能助力个性化学习、数字平台应用、智能交互、教学评价提升及学科融合、技术融合等方面进行阐述,分析了人机协同下信息技术学科数字化学习与创新的评价模式,其中包括评价方法、数据收集与处理、评价工具应用及教学改进策略等,并通过多个案例及研究,指出人工智能技术能够优化评价标准,提升教学评价的个性化、精准性、全面性,助力教师教学能力的提升和学生学习方式的改进,实现人机共教共评的目的,从而提升信息技术的教学效率。

关键词： 人工智能   员工创新绩效   工作效能   员工能力   人力资源配置  

摘要： 通过扎根理论法和文献分析法,构建人工智能嵌入对员工探索性创新绩效的影响模型,并从提高工作效能、员工能力提升、人力资源合理配置等三个维度出发,探讨它们与员工创新绩效之间的相互作用机制。研究发现:提高工作效能、员工能力提升和人力资源合理配置是影响员工创新绩效的关键因素,它们通过优化工作流程、提供个性化培训和发展机会、确保人才合理配置等方式,共同促进员工的创新能力和绩效提升。

关键词： 行为管理   SARS   医疗机构   感染防控   COVID-19  

摘要： 自21世纪以来,SARS、埃博拉、COVID-19等新发突发传染病频发爆发,给医院应急管理带来了巨大的挑战[1,2,3]。人工智能(artificial intelligence,AI)技术目前正深刻变革临床诊疗、患者服务、科研教学、和感染预警等医疗领域[4]。然而,AI在感染防控行为管理中的应用研究仍然较少[5]。已有证据表明,利用AI管理医务人员的感染防控行为,有助于预防疾病传播,降低职业暴露风险[6]。面对未来可能再次爆发的公共卫生事件,开发精准的监测预警系统,并利用AI技术赋能感染防控行为管理,已成为提高医疗机构感染防控水平的新动力。本文采用Arksey和O'Malley[7]、Levac等[8]提出并细化的范围综述方法,汇总国内外文献,旨在厘清AI技术在感染防控行为管理中的应用现状与挑战,以及探讨未来的研究方向。