关键词： 人工智能   设计教育   范式  

摘要： 人工智能驱动下的设计教育范式革新是当下设计教育亟待解决的问题。通过对MIT媒体实验室的未来导向模式、富兰克林欧林工程学院的工程实践模式、新加坡科技设计大学跨学科组织模式等国际案例的考察发现,世界各国设计教育正经历着求新求变的深刻变革。面对人工智能的快速发展,应秉持以人为本的教育理念和面向未来的教育目标,构建创新思维培育、理论教学、实践训练三位一体的教育模式,以推动跨学科融合与创新能力提升。

关键词： 人工智能   职业教育   传媒类专业   AIGC   传媒产业链  

摘要： 近年来,以ChatGPT为代表的人工智能运用工具通过模拟人类自然语言,成功实现与人类互动,具备人机对话、文案撰写、生成图像和视频等能力[1]。同时,国内的人工智能也取得了长足的发展,诸如百度文心一言、讯飞星火、腾讯AI平台等人工智能平台运用也越来越广泛,提供包括语音识别、自然语言处理、图像识别等多个领域的AI服务及应用解决方案。传媒类专业作为面向传媒产业培养人才的重要领域,其就业岗位、专业课程及学习过程等多个方面均受到人工智能技术的深刻影响。因此,职业教育从业者亟需探索出基于人工智能技术的传媒类专业人才培养新模式,以满足当前时代背景下的产业需求。

关键词： 全球证据峰会   循证医学   人工智能   证据生态  

摘要： 2024年9月10—13日,第二届全球证据峰会在捷克共和国首都布拉格举办。峰会以“应用证据,改善生活”为主题,包括可持续发展议程、研究诚信和证据可及、证据合成中的合作、证据转化与实施、倡导加强证据传播与使用、从全球证据到地方影响6个分主题。本文通过对报告内容高频关键词进行分析,探讨各主题下的热点议题,并基于证据生态链,分析人工智能在循证医学中的应用。旨在促进循证医学、循证药学等研究人员对循证医学领域前沿进展与动态趋向的把握,为以后的深入研究提供思路和参考。

关键词： 人工智能   大语言模型   中医  

摘要： 文章分析了人工智能及大模型的现状,针对人工智能的大语言模型在中医领域的应用场景,介绍了一种在中医领域的应用的基于人工智能的大语言模型——GBI系统。文章还简要分析了该应用系统的架构、流程图、系统关键功能以及使用场景,并阐述了其未来在中医领域的应用价值。

关键词： 供应链全生命周期成本   大数据   人工智能   数据补全  

摘要： 本文探讨了结合大数据和AI技术改进供应链的全生命周期成本管理。虽然这个概念已存在一段时间,但应用上仍有难度,主要是数据收集和处理较为复杂。本文以中国海油采购供应链为例,分析了全生命周期管理中遇到的问题,并提出了系统性的解决方法,包括建立标准化理论模型、改进数据收集方式、利用AI技术完善数据和建立评价体系,以更好地实施全生命周期管理。不仅能减少采购成本,还能加强数据治理和提高能效管理。

关键词： 人工智能   智能时代   基础设施   狂飙突进   符号表征   数字化   AI  

摘要： 随着2017年第三次人工智能浪潮的“狂飙突进”,人类迈入以数据、算力和算法为基础设施的智能时代。所有生产要素都在数字化,数字成为新型社会形态的符号表征,迫使人类再度直面AI时代的“司芬克斯之谜”——人是什么?

关键词： 数智时代   网络统战   大数据   人工智能  

摘要： 数智化是当前时代的重要特征,给社会的方方面面都产生了深刻的影响。在数智时代下,网络统战工作面临着信息茧房导致的认知片面化问题、群体极化导致的观点极端化问题、流量至上导致的价值缺失化问题以及智能水军导致的舆论混乱化等问题。网络统战工作的顺利开展需要从完善算法规制、强化价值引领、增强技术赋能、加强队伍建设等四个方面进行整体规划和系统部署。

关键词： 烟叶烘烤   干燥速度   大数据   人工智能   构建思路  

摘要： 为了有效提高烟叶烘烤质量,采用以烟叶干燥速度反制烟叶烘烤过程,进而创建烟叶烘烤大数据人工智能化的新技术。借助现行密集烤房烘烤控制器,将原有的温湿度计换成电子重力衡,获得基础的烟叶脱水量,转换成烟叶烘烤干燥速度,以此为基础,再以烟叶干燥速度反制烟叶烘烤过程,进一步综合考虑影响烟叶烘烤因素,借助现行电子信息网络,实现烟叶烘烤大数据人工智能化的新技术新思路。结果表明,首次获得现行烘烤温度和湿度对应下烟叶烘烤干燥速度,为构建人工智能化烘烤新技术打下良好基础;构建思路主要包括2个方面,一是烤房终端机构成与运行;二是烟叶烘烤大数据人工智能云计算中心构成与运行,并且列出了详细的建模要素及其参数。为快速实现烟叶烘烤数据化、智能化、精准化打下较完善的理论基础,为现行深陷困境的“干湿度+图像”人工智能化烘烤技术研究打开另一可实施新路径。

关键词： 人工智能   阿尔茨海默病   数据   算法   可解释性   伦理审视  

摘要： 阿尔茨海默病是一种进行性发展的致死性神经退行性疾病,其临床表现为逐渐进展的认知和记忆功能下降、语言和视空间障碍等,至今仍无法治愈和逆转。在临床中阿尔茨海默病通常面临确诊不及时的可能,给阿尔茨海默病的早期干预造成了困难,因此提高诊断效率,帮助患者尽早确诊阿尔茨海默病尤为重要。随着人工智能技术的不断发展,其在阿尔茨海默病影像诊断中的应用显示出巨大潜力,但同时伴随着诸多伦理问题。通过探讨人工智能在阿尔茨海默病影像诊断研究及应用中带来的数据安全、可解释性、算法歧视以及偶然发现的披露等伦理挑战,并提出相应对策,以期为人工智能应用于医学影像诊断提供一定伦理指引,保护研究参与者/患者的权益,推动技术的健康发展。

关键词： 颅内动脉瘤   脑血管疾病   人工智能  

摘要： 颅内动脉瘤具有高发病率、高致残率和高致死率的特点,而未破裂颅内动脉瘤具有极高的隐匿性,因此,对颅内动脉瘤的早期发现和诊断至关重要。目前,颅内动脉瘤常用的检测手段主要包括CT血管成像、MR血管成像及数字减影血管造影,这些常规诊断技术都高度依赖于放射科医师对图像的解读,这常导致诊断结果不一致,甚至出现漏诊和误诊。在追求更高诊断效率和准确度的过程中,人工智能成为新的技术焦点。然而在脑血管疾病领域,人工智能的应用尚处于起步阶段,其潜力尚未充分挖掘。本文综述人工智能在颅内动脉瘤检测和诊断中的应用现状,分析面临的风险和挑战,并展望其在颅内动脉瘤方面的诊断潜力,为探索颅内动脉瘤诊断与治疗提供参考。