关键词： AI人工智能技术   课程设计   建筑设计  

摘要： 如今,数字时代,AI 人工智能已经成为建筑设计的新道路。在诸多建筑设计的计算机技术中,AI 技术掀起的波澜是巨大的,因此,AI 可以在《建筑设计》课程的教学中应用并研究,从而为大学的建筑学专业的学生提供更新颖的教学。

摘要： 生成式人工智能是引领新一轮科技革命和产业变革的战略性技术,它以独特的形式改变着社会各个领域的格局,在内容生成、知识整合以及情境构建方面有着明显的优势,这些优势给教育模式革新赋予了新的思路,并且给解决思政教育与课程思政深度融合的关键问题带来了突破性的机会,本研究集中于生成式人工智能推动二者协同育人机制的作用机理,深入探究其潜在的价值和实施路径,希望可以为形成技术驱动型的现代教育体系给予理论支撑和操作指引。

摘要： 人工智能技术的迅猛发展浪潮中,生成式人工智能(Generative Al)以其卓越的内容创造、语言理解和情境模拟能力,正在深刻重塑众多领域。外语考试作为衡量语言能力的工具,其命题工作长期面临效率、公平性、创新性及成本等多重压力。Gen Al的出现,为解决这些难题提供了前所未有的可能性。本研究旨在系统探讨Gen Al在外语考试命题环节的应用价值、具体实践场景、伴随的潜在风险及应对策略,以期提高大学公共外语科目及外语专业科目试题的多样性和针对性,为武汉文理学院的外语教学提供有益借鉴。

关键词： 人工智能   算法解释   算法治理   可阐释性   可解释性  

摘要： 算法解释旨在构建对人工智能的理解,而理解人工智能存在两种路径:一是基于“可阐释性”实现对人工智能内在模型的理解;二是基于“可解释性”实现对人工智能外在行为模式的理解。要求理解人工智能的行为模式并不等同于要求理解其模型,反之亦然。两种技术要求的化约一方面将削弱治理者发现风险、治理风险的能力;另一方面也将阻碍被解释者对人工智能复杂决策的有效理解。针对不同场景的人工智能解释应有所区分:以风险治理为目的的解释应以“可阐释性”要求为主,以确保监督者对模型理解的准确性;而以建构理解为目的的解释模式则应更加灵活,以确保被解释者在面对不具有可阐释性的复杂算法时,依然能够建立对人工智能的必要信任与理解。

摘要： 人工智能已成为全球教育变革的核心驱动力。据《2023 全球教育技术发展报告》,73%的高校已将AI技术纳入教学体系。我国教育部《人工智能+教育创新发展行动计划》明确提出,需推动AI与科学教育的深度融合,培养具备数字素养的未来创新人才。科学教育专业作为STEM师资培养的主阵地,传统教学模式面临三大瓶颈:一是资源分散化即实验设备与跨学科资源整合不足;二是实践浅层化即探究活动受限于物理条件与时空约束;三是评价单一化即标准化考试难以反映复杂能力发展。AI技术通过知识图谱构建、虚拟实验环境开发与多模态数据分析,为破解上述困境提供了新路径。

关键词： 石油化工   安全生产系统   人工智能技术   设备风险评估   预防技术  

摘要： 本文针对石油化工安全生产系统中的设备安全风险评估与预防展开研究,利用人工智能技术为基础,探讨了提高安全性的先进技术。通过应用人工智能技术,结合设备风险评估与预防,旨在降低事故风险、提升生产安全水平。主要从风险识别、评估、预警和预防措施等方面展开讨论,强调人工智能技术在设备风险管理中的重要性和有效性。本研究旨在为石油化工行业的安全生产提供新思路和技术支持。

关键词： 人工智能   妇女   劳动解放   唯物史观  

摘要： 人工智能不会自发增进对妇女的劳动解放,因此妇女劳动解放仍需立足唯物史观视域,辨识人工智能技术本质及其维度和限度。人工智能既有促进妇女劳动节约、助推劳动力市场性别平衡、促进妇女劳动结构优化等积极效应,同时也带来了加剧劳动替代的性别风险、劳动平权的性别障碍、劳动权益保障的性别遮蔽等挑战。政府及相关治理主体需坚持“智能+”范式的妇女劳动解放理论创新、制度创新和技术治理创新,最大限度地运用人工智能服务于妇女劳动解放。

关键词： 人工智能   工程施工   全过程成本控制   机器学习   动态管控  

摘要： 以保障项目经济效益为核心环节、贯穿施工准备、实施及竣工结算阶段的工程施工全过程成本控制,因传统成本控制依赖人工核算与经验判断而存在数据滞后、管控精度低、风险预判不足等问题。本文以人工智能技术在施工全过程成本控制中的应用为研究对象,系统分析其在施工准备阶段成本估算与方案优化、施工实施阶段动态管控、竣工结算阶段审核优化等场景的具体应用方式,阐述机器学习、计算机视觉、大数据分析等核心技术的应用原理与实践路径,同时梳理技术应用中数据质量、技术适配、人员能力等挑战并提出针对性应对措施,研究结果表明其能显著提升成本控制精准性与效率,为工程施工成本管控的智能化升级提供实践参考。

摘要： 随着国民经济发展与用电需求变化,电力负荷受气象、社会活动、经济等多因素影响,呈现不确定性与不规律性,传统预测方法误差较大。AI 技术能处理大数据、高维度复杂情况,分析负荷影响因素关系,结合历史负荷、气候、经济等数据构建模型,精准预测未来负荷,为电力部门决策提供参考,推动电力生产与应用向智能高效发展。

关键词： 弹载探测技术   人工智能   智能化作战   电磁对抗   抗干扰  

摘要： 本文聚焦复杂电磁环境中的智能化作战需求，系统探讨了人工智能技术驱动下弹载探测技术的变革与挑战。首先，文章分析了现代战场电磁环境呈现的“超饱和”态势，阐释智能干扰装备构建的“电磁迷雾”对弹载探测系统带来的多维威胁，继而梳理了美俄等国在弹载智能探测领域的典型应用案例，揭示依托目标识别和自主决策算法实现的战术优势。然后，通过剖析弹载探测中人工智能技术的应用挑战，针对性的提出四大突破方向：生成式样本智能增强技术、边缘弹载智能算力增强技术、多模多弹跨域协同探测技术和人机融合双向增强技术。最后，从多模态模型生态构建和算法评估框架两方面提出发展建议，强调需建立因果推理感知框架、轻量化模型技术及动态对抗测试环境。研究论证表明，人工智能与弹载探测的深度融合将显著提升导弹在复杂电磁环境下的态势感知、抗干扰及协同作战能力，为未来智能化战争提供关键技术支撑。