关键词： 人工智能   计算机组成与嵌入式系统   实验课程   形态学滤波   卷积并行计算  

摘要： 面向人工智能专业培养需求,秉承紧扣理论课程内容、体现教学特色等原则,对计算机组成与嵌入式系统实验课程进行扩展改进。结合嵌入式系统中的并行卷积计算和图像处理中的形态学滤波相关内容,设计了基于Logisim仿真平台的形态学滤波并行计算电路设计实验。通过设计形态学滤波电路和测试用的图像案例,对比分析不同滤波操作的特性差异,学生既可以融会贯通各学科相关知识,又锻炼了系统设计能力,也为学习后续智能芯片等课程打下基础。

关键词： 数字住建   人工智能   大数据   智能学习  

摘要： 人工智能(AI)技术已经深入现代社会的各个角落,同时也引领着建筑行业的建设和运营方式发生根本性的变革。AI与数字住建的结合不仅开辟了新的发展模式和应用领域,而且为整个建筑行业的智能化、数字化转型提供了新的动力和方向。本文探讨了AI技术在数字住建领域的应用,包括其发展前景、面临的挑战以及对建筑行业转型的推动作用,旨在展现AI技术在实现更高效率和更优质用户体验方面的广阔发展潜力。

关键词： 胃癌   人工智能   图像组学   肿瘤微环境  

摘要： 胃癌是全球常见的恶性肿瘤,早期症状不明显,导致大多数患者确诊时已处于晚期,预后较差。近年来,人工智能(artificial intelligence,AI)技术在胃癌的图像组学应用中展现出巨大潜力。AI技术通过深度学习算法自动识别内镜图像和视频中的早期病变,可提高筛查效率与准确率;在病理学中,AI能自动分析组织切片,检测癌前病变和肿瘤,并量化病理特征,预测分子分型;在影像组学中,AI结合计算机断层扫描、磁共振成像等影像数据,可非侵入性评估肿瘤的分期、预后及治疗反应,并探索肿瘤微环境的复杂性与免疫反应。AI技术推动了胃癌精准医疗的发展,但仍面临数据标准化、隐私保护、伦理规范化等挑战。本文旨在概述AI技术在胃癌内镜学、病理学、影像组学等图像组学中的应用进展。

关键词： 人工智能应用   网络传播   云计算   大数据   物联网   产业变革   传播创新   意识形态工作  

摘要： 人工智能“是新一轮科技革命和产业变革的重要驱动力量,将对全球经济社会发展和人类文明进步产生深远影响”,目前其应用场景正在不断拓展。新时代新征程,要牢牢掌握党对意识形态工作的领导权、管理权、话语权,就必须高度重视网络传播。人工智能作为数字技术的重要分支,正在与物联网、大数据、云计算等技术深度融合,为网络传播创新提供了新的机遇。

关键词： 生成式人工智能   档案管理   档案用户   信息行为   信息获取   技术伦理   数字化   人机交互  

摘要： 随着生成式人工智能的快速发展,档案用户信息行为呈现出显著变化。本文从生成式人工智能影响视角,系统探讨用户在档案信息获取、利用、生成与共享行为中的特点与变化。首先,分析生成式人工智能对用户行为模式的重塑,包括需求表达方式、互动深度与行为效率的提升;其次,梳理生成式人工智能情境下技术应用过程中暴露的潜在问题,例如隐私安全、信息真实性与技术伦理挑战;最后,预测新动态下未来档案用户信息行为的发展趋势,提出以用户为中心、技术赋能为基础的创新应用策略。本研究对档案学与人工智能技术的交叉研究提供了新的思路,同时为构建数字化时代更高效、更安全的档案管理与服务体系提供参考。

关键词： 生成式人工智能   ChatGPT   网络公共话语空间   技术异化   算法治理  

摘要： ChatGPT等生成式人工智能是新一代人工智能的代表性技术,它由于算法设计与数据选择的意识形态倾向、自主学习与计算生成新内容的意识形态性以及对社会舆论和意识形态环境的影响等因素,使其具有意识形态属性。在网络公共话语空间,生成式人工智能可能因为数据偏见与算法歧视,增加意识形态渗透风险;产生劳动主客体异位,导致意识形态撕裂风险;带来工具理性僭越价值理性,引发意识形态退化风险。因此,要着重从自主研发利用生成式人工智能技术入手,坚持伦理先行,内嵌主流价值观念,以“中国话语”破解“西方话语”。

关键词： 人工智能   劳动者   收入分配  

摘要： 人工智能对经济社会发展产生了巨大影响,世界经济逐步迈入了人工智能时代。在人工智能时代,劳动者收入分配状况涌现出了许多新的特征:社会产品丰富、部分劳动者收入份额减少、社会各阶层收入差距拉大。在马克思主义的视域下,由于人工智能在资本主义社会的应用,资本增殖逻辑会导致人工智能作为物化劳动与工人相异化,通过技术偏向性引发岗位替代挤压劳动者。只有通过建立生产资料公有制的人工智能产业,创新与之相适应的收入分配制度等方式,才能够有效缓解人工智能时代劳动者收入分配的诸多不利状况,以资本主义国家为鉴,推动我国向着分配公平、共同富裕的社会主义本质要求迈进。

关键词： 自然语言处理   人工智能   群体智能   智能计算   模式识别   智能系统   因果推理   多智能体  

摘要： 2025年将特别关注大模型、人工智能、物联网、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:大模型、多视图/多模态学习、统计学习、联邦学习、稳定学习、终身学习、跨模态内容生成、大数据智能、混合增强智能、群体智能、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、机器人与智能系统、多智能体协同、自主协同控制与优化决策、人工智能艺术创作。

关键词： 人工智能   C语言程序设计   党的二十大精神   教学改革  

摘要： 随着人工智能技术的迅猛发展,计算机教育面临新的挑战与机遇。“C语言程序设计”作为计算机专业的基础课程,其教学质量直接影响学生的专业素养和创新能力。在党的二十大精神指引下,探讨了人工智能背景下“C语言程序设计”课程的思政教学改革,旨在通过融入思政元素,提升学生的专业素养、爱国情怀、创新精神、工匠精神和社会责任感,以适应新时代对人才的需求。

关键词： 乳腺癌诊断   可解释人工智能(XAI)   SHAP   LIME   Grad-CAM   影像学技术   个性化医疗   人工智能  

摘要： 乳腺癌持续位居全球女性癌症发病与致死的主要原因之列。早期且精确的诊断对于优化患者预后具有举足轻重的地位。乳房X线摄影、超声检查及磁共振成像(Magnetic Resonance Imaging, MRI)等影像学技术在乳腺癌的诊断中扮演着至关重要的角色。然而,这些技术手段面临着准确性波动、操作员依赖性显著及结果阐释困难等多重挑战。在此背景下,人工智能(Artificial Intelligence, AI),尤其是可解释人工智能(Explainable Artificial Intelligence, XAI)的融入,已成为提升诊断精确度及增强信任度的革命性途径。本综述聚焦于XAI技术在乳腺癌诊断领域内,于不同成像模式中的应用效果比较。深入探讨了核心的XAI方法,诸如Shapley加性解释(SHAP)、局部可解释模型无关解释(LIME)以及基于梯度的类激活映射(Grad-CAM),着重阐述了它们在增进模型可解释性及提升临床实用性方面的具体成效。综述不仅分析了XAI技术在乳房X线摄影、超声及MRI应用中的优势与局限,还特别强调了其在提高AI辅助预测透明度方面的贡献。此外,本文亦评估了XAI在应对假阳性、假阴性问题以及多模态成像数据整合挑战中的效能。该评论的核心价值在于,它全面剖析了XAI在缩小AI技术进展与临床实际应用之间鸿沟的潜力。通过提升透明度,XAI技术能够增强临床医生对AI的信任度,促进其更顺畅地融入诊断工作流程,从而助力个性化医疗实践的推进及患者治疗成效的改善。综上所述,尽管XAI在提升AI模型可解释性与准确性方面取得了显著进展,但在计算复杂度控制、普遍适用性拓展及临床接纳度提升等方面仍面临诸多挑战。未来研究应着重于优化XAI方法、促进跨学科间的深度合作,并开发标准化的框架体系,以确保XAI技术能在多样化的临床环境中实现可扩展性与可靠性的双重提升。Breast cancer remains one of the leading causes of cancer incidence and mortality among women worldwide. Early and accurate diagnosis plays a pivotal role in optimizing patient prognosis. Imaging techniques such as mammography, ultrasound, and magnetic resonance imaging (MRI) play crucial roles in the diagnosis of breast cancer. However, these techniques face multiple challenges, including accuracy fluctuations, significant operator dependency, and difficulties in result interpretation. In this context, the integration of Artificial Intelligence (AI), especially Explainable Artificial Intelligence (XAI), has become a revolutionary approach to improving diagnostic accuracy and enhancing trust. This review focuses on the comparative application of XAI technologies across different imaging modalities in breast cancer diagnosis. It delves into core XAI methods such as Shapley Additive Explanations (SHAP), Local Interpretable Model-Agnostic Explanations (LIME), and Gradient-weighted Class Activation Mapping (Grad-CAM), with an emphasis on their effectiveness in enhancing model interpretability and improving clinical utility. The review analyzes not only the advantages and limitations of XAI in m