课程文献中心 更多>>

关键词： ChatGPT   人工智能   调查问卷  

摘要： 目的:首次探讨医学生对论文写作中引入ChatGPT的态度.方法:对某高校大学三年级医学生进行问卷调查,统计学分析结果.结果:共纳入128名,25.78％的学生有ChatGPT使用经验.大部分学生对ChatGPT的接受度较高,认为ChatGPT可以改善论文写作过程,但不能提高论文写作质量;对使用ChatGPT的学生进一步调查显示使用ChatGPT可以提高写作技能、信心及满意度.结论:医学生对将ChatGPT引入医学论文写作持积极态度,但需要正确引导,杜绝盲目照搬与抄袭,拓展学生的科研思维和创造力.

关键词： 金矿   电气维修   现代技术   物联网   大数据   人工智能  

摘要： 传统的金矿电气维修模式存在工作效率低、维修难度大、安全风险高等问题,难以满足金矿生产的需求.因此,本研究对传统维修方式的难题和挑战进行了分析,提出了一套融合物联网、大数据、人工智能等先进技术的电气维修策略,涵盖设备监管预警、远程故障诊断和智能设备管理等方面,旨在提升金矿电气系统的维护效率和稳定性,帮助金矿持续优化生产流程.

关键词： 人工智能时代   国民经济循环   财富积累   非物质生产部门   新型股份制  

摘要： 资本将人工智能技术应用于生产，能够大幅度节约个别劳动时间和增加财富；个别活劳动生产的价值大幅度减少，个别劳动占有必要价值转化的收入和资本占有个别劳动生产的剩余价值转化的利润也将大幅度减少；人工智能时代国民经济的生产、分配、交换和消费出现不同于手工业和机器大工业时期的循环特征。大力发展非物质生产部门，增强其吸纳劳动力就业的能力，树立非物质生产部门的劳动也是生产商品和剩余价值的生产劳动的理论观念，实现个别劳动顺利转换为社会劳动；构建新型股份制的制度安排，保障劳动贡献归劳动者所有、资本贡献归资本所有者所得，人工智能时代国民经济的生产、分配、交换和消费才有可能实现良性循环。

摘要： 下面我就人工智能标准的最新情况进行汇报. 在政策层面.全球主要国家和地区都在加紧布局人工智能.相对而言,美国更侧重巩固全球领先地位和限制核心技术出口.欧洲更侧重风险和伦理的监管,欧盟《人工智能法案》的最高罚金达到了全球销售额的7％,高于GDPR(通用数据保护条例)的4％.中国更侧重技术和产业创新,以及赋能实体经济.

关键词： 拔尖创新人才   人工智能   诺贝尔奖   AI   自然科学   科技界   奖项   教育界  

摘要： AI教育不是一个“筐”什么都能往里装。人工智能无疑是最近一段时间最响亮的名字。特别是今年的诺贝尔奖——三大自然科学奖项中的两项都颁给了与人工智能相关的研究,这样的结果更让人工智能在教育界和科技界掀起了巨大的波澜。“看到颁奖结果我有两个感受,一个是震惊,一个是振奋。”

关键词： 人工智能   电力系统   自动化控制   策略  

摘要： 电力系统自动化控制体系对于电力系统的稳定运行具有重要作用.人工智能技术的发展与应用为自动化控制过程提供更多技术支持,使电力系统的运行质量和效率更高,为广大电力用户提供更优质的服务,同时推动电力系统的不断发展.本文立足于电力系统自动化控制体系,简要分析了人工智能技术在控制阶段的作用,然后从人工神经网络、专家系统等角度出发,探索了电力系统自动化控制策略,为人工智能的应用提供建议.

关键词： AI技术   人工智能   内容生产   地市级电视台  

摘要： 随着人工智能(AI)技术的不断发展,地市级电视台在内容生产领域迎来了前所未有的机遇和挑战.本论文旨在探讨以黄石市广播电视台为代表的地方电视媒体如何运用AI技术进行内容生产,以提高节目质量、降低制作成本,并对传统电视媒体产生深远影响.通过深入研究实际案例和最新的技术趋势,为地市级电视台在AI时代更好地应对变革、创新内容生产提供有益的参考与启示.

关键词： 土建类专业   人工智能   课程建设  

摘要： 本文针对人才培养过程中存在人工智能知识盲区多、实训应用基础薄弱,以及人工智能相关内容与土建类专业有效融合困难等问题,通过对高职土建类专业群"人工智能"通识课程进行教学设计与实践探索,制定土建类专业群"人工智能"通识课程的内容、课程标准、教材的编写及相关的实训室建设标准,让学生理解人工智能,掌握其理论体系及在土建类专业中的应用,助推人工智能与土建类专业的深度融合发展,从而推动人工智能的通识教育走上新台阶,满足建筑行业各专业对于人工智能通识及专业通用技能人才培养的迫切需求.

关键词： 数据管理   人工智能   数据切片  

摘要： 随着人工智能（artificial intelligence， AI）技术应用的不断扩展，对建立AI模型所需数据提出了更高的质量要求。针对目前数据质量处理方法错误率高、速度慢的问题，本文提出了新的处理方法，以确定表现不佳的数据子集。首先，将AI模型数据集的划分定义为数据切片问题，如果AI模型在特定切片上性能较差则该切片为问题切片。然后，提出了决策树和点阵搜索两种数据切片方法。其次，使用假设检验进行问题切片识别和错误发现控制。最后，将基于聚类的数据切片方法作为对比基准，使用真实数据集和合成数据集来评估所提出的方法，在数据切片大小、统计显著性、错误发现控制等多个方面的测试结果验证了所提出方法的有效性。