关键词： 矿产资源   定量评价   预测方法   多源数据融合   人工智能  

摘要： 鉴于矿产资源定量评价及预测工作的重要性及迫切性,本论文提出一套融合大数据及人工智能技术进行系统性评估的方法。研究和构建矿产资源科学评价体系,对地质特征进行深入剖析,研制定量评价数学模型。借助GIS空间分析,机器学习及深度学习等前沿技术,创新提出一种多源数据融合预测方法进行验证。研究结果表明:大数据及人工智能技术对于提升矿产资源评价的准确性和效率有显著优势,可持续利用资源及高效勘探可提供强有力的支持。

关键词： 人工智能   辅助生殖技术   机器学习   深度学习  

摘要： 随着社会不断发展,人工智能(AI)在辅助生殖技术(ART)领域的应用逐渐引起人们的关注。近年来,AI在ART领域的配子、优质胚胎及排卵时机的选择等方面均有一定优势。本文综述了近年来AI在辅助生殖领域中的应用进展,为不孕患者可以选择更加个体化、标准化、智能化的诊疗策略提供新的思路。

关键词： 人工智能   出口产品质量   生产效率提升效应   要素配置优化效应  

摘要： 为探讨企业人工智能应用对出口产品质量的影响及其作用机制,构建了引入人工智能技术的企业异质性模型,提出了新的理论框架,并利用2007—2015年中国A股上市公司数据进行了实证分析。研究结果表明:人工智能应用能够通过提升生产效率和优化要素配置,显著促进出口产品质量的提升。此外,这一效果在创新投入较高、从事一般贸易以及具有较高出口地位的企业中更为显著。该结论为企业加速人工智能技术应用和推动贸易高质量发展提供了重要参考。

关键词： 人工智能   劳动者   就业   影响  

摘要： 人工智能发展会对劳动者就业产生影响,从积极的方面看,人工智能发展能够重塑工作模式,提高劳动生产力,增加新就业形态劳动者的数量,有利于实现人类整体的劳动解放;从消极的方面看,人工智能资本化追逐最大剩余价值,对劳动者产生就业替代;提高资本有机构成,增加劳动者的失业风险;削弱劳动者的就业话语权,加剧劳动对资本的实际从属,出现“就业悖论”。人工智能作为引领新一轮科技革命和产业变革的战略性技术,正在成为全球竞争的制高点和经济增长的驱动力之一,也成为加速中国式现代化进程的重要推动力。在积极发展人工智能技术的同时,也应当规避或者降低人工智能技术对劳动者就业带来的负面影响,相关部门需要在大力发展智能生产力、为劳动者充分就业提供前提和基础的同时,进一步全面深化改革,完善体制机制,为实现劳动者高质量就业提供保障,立足人工智能的社会主义应用以突破其发展悖论。

关键词： 正脸姿态估计   表征信息   最近邻分类   集成学习   余弦距离   机器学习   大规模数据  

摘要： 现有的正脸姿态估计任务依赖于头部3D姿态的估计和经验阈值的使用,这类方法存在主观性和鲁棒性不足的问题。为解决上述问题,提出一种基于大规模正脸数据驱动的集成学习算法。通过构建大规模正脸类别,解决正脸姿态分类中类内方差大而类间方差小的问题,避免人为确定阈值带来的主观性问题。利用人脸特征中的姿态信息和大规模集成的方式,区分正脸图像和非正脸图像,提高分类能力,增强鲁棒性。实验结果表明,所提方法无需依赖关键点标注,具有较短的推理时间,在公共数据集上实现了正脸姿态估计。在光照变化、配饰遮挡、小角度和大角度的真实数据集上展示了高效的分类能力。

关键词： 人工智能   深度学习   妇产科学   人文关怀   医患沟通  

摘要： 随着人工智能(artificial intelligence,AI)在医学领域的快速发展,AI技术在妇产科的应用日益增多。本文综述了近十年来AI在妇产科领域中的应用进展,涉及妇科学、产科学、生殖医学、手术学、教学及科研创新等多个方面。AI技术在妇科肿瘤的筛查和诊断、治疗反应评估、患者护理、医疗大数据管理等领域取得了显著成就,且在妇产科疾病诊断方面应用逐渐增多。主要功能包括图像识别和分析、数据挖掘、基因组学和代谢组学研究、实验室评估。将AI融入妇产科学教育体系,有助于提升教学效率,改善学习体验。AI辅助下的腔镜技能操作、手术室管理等,为妇产科手术技能的精进与临床实践的深化开辟了新路径。然而,AI的广泛应用也带来了挑战,如数据集的偏倚和多变性、患者的隐私保护、机器学习模型的透明度以及可能对医学本源的淡化。为了应对这些挑战,需要完善AI监管政策,推动多学科合作,并构建大规模的数据集。通过这些策略,可以期待AI技术在妇产科学中发挥更大的潜力,为患者提供更高质量的医疗服务。

关键词： 影像组学   肝纤维化   三层ROIs   边缘检测   机器学习  

摘要： 目的:探讨通过连续勾画三层感兴趣区域(ROIs)并基于T1WI图像构建影像组学模型,对肝纤维化进行分类预测的价值。方法:选择20例肝纤维化患者影像数据,无显著纤维化12例,显著纤维化8例,按7:3比例随机分为训练组(14例)和测试组(6例)。使用图像边缘检测技术,辅助人工勾画ROIs,选取连续三层ROIs提取影像组学特征。通过特征筛选和降维,分别构建基于机器学习的径向基核函数支持向量机(SVM_RBF)和随机森林(RF)算法影像组学模型,并评估两者在无显著与显著肝纤维化间的预测性能,并对测试组进行验证。结果:利用SVM_RBF和RF两种机器学习方法构建的影像组学模型在训练组的曲线下面积(AUC)分别是0.84、0.85,测试组中AUC分别为0.87、0.69,基于SVM_RBF构建的影像组学模型最优。结论:基于连续三层ROIs的MRI影像组学特征结合机器学习分类模型可以预测无显著肝纤维化与显著肝纤维化。

关键词： 人工智能   标准   法律   协同治理  

摘要： 生成式人工智能的快速发展和应用进一步放大法律在技术风险治理上的滞后性。为回应产业发展需求、规避潜在风险,有必要通过标准治理的嵌入,更好地赋能法律治理,构建人工智能标准与法律协同治理体系。首先,厘清若干基本理论问题,将标准与法律定义为一种“独立融合”关系,明确强制性标准不属于正式法律渊源;其次,系统梳理国内外人工智能标准现状,在国际层面积极参与国际标准制定,在国内层面探索构建中国特色人工智能标准体系;最后,人工智能标准与法律协同治理的内在逻辑体现为法律保障标准实施效力,标准提升依法治理效能,二者协同则有助于促进人工智能发展。探索人工智能标准与法律协同治理的具体方案,应明确以法律为主要治理手段,通过市场自主制定标准、建立人工智能标准合规制度、确定国家层面专门管理机构、开展标准与法律协同治理试点等具体措施,构建有中国特色兼具国际视野的人工智能标准与法律协同治理体系。

关键词： CO_(2)输送管道   人工智能   腐蚀速率预测   泄漏监测   CCUS  

摘要： 碳捕获、利用与封存(CCUS)能够大规模有效降低工业CO_(2)的排放,被广泛认为是实现全球温控目标和我国碳中和远景不可或缺的关键技术之一。CO_(2)从起源地输送到利用地,是实现CCUS产业技术目标的关键环节。以管道输送方式为主,概述了管道智能化技术在国内外的发展现状;介绍了CO_(2)输送管道相态分类及存在的相关问题,并结合问题分析了人工神经网络模型与管道腐蚀速率预测的深度融合机理;阐述了分布式光纤、特征波谱及机器人巡检技术在管道泄漏中的定位原理及应用;探索了CO_(2)输送管道在智能化建设的发展方向。CO_(2)输送管道智能化发展虽然目前尚未形成广泛统一的认识,但以CO_(2)输送管道业务需求为驱动、管道输送技术+信息通讯技术(ICT)为手段,围绕CO_(2)管道数据全面感知、集中共享、预测预警及协同运营将是今后CO_(2)输送管道智能化发展趋势。研究结果可为今后智能管道的持续发展及智慧管道的逐步推进提供借鉴与参考。

关键词： 人工智能   大模型   模型即服务   星辰MaaS平台  

摘要： 人工智能正成为推动新型工业化的核心动力,引领社会进入智能经济时代。大模型技术通过预训练和微调在多任务中展现强大能力,然而其应用面临算力、数据、算法以及安全等方面的挑战。大模型应用服务平台(MaaS平台)通过标准化服务,提高企业利用大模型技术的灵活性和效率。提供了星辰MaaS平台构建的关键技术路径,为企业智能化发展提供参考。