关键词： 生成式人工智能   著作权   著作权法   合理使用原则   机器学习  

摘要： 生成式人工智能基于对现有作品的学习极大地降低了人类的创作成本。虽然现有的法律可以回答生成式人工智能带来的大部分与著作权相关的问题,但答案可能并不符合受生成式人工智能影响的创作者们的预期。尤其是对合理使用原则的判断,不同国家法院、法官的判决是不同的。除了生成式人工智能的学习阶段,它产生的输出结果也可能是可以被授予著作权的。考虑到生成的作品与人类作者之间错综复杂的关系以及数字内容分发的全球性,与生成式人工智能有关的著作权规则亟须在国内和国际层面做出更新,而不是仅仅依靠判例来阐明。

关键词： 社会主要矛盾   高质量教育   教育的本质   宏观视野   教育变革   人工智能   当代儿童   范式转型  

摘要： 校长要学会站在中华民族伟大复兴的角度思考学校教育的基础性支撑作用,站在社会主要矛盾转化的角度探寻高质量教育之于美好生活的价值,站在教育范式转型的角度思考当代教育的育人问题,站在人工智能日益成熟的角度思考人才培养的方向,站在当代儿童生活境遇的角度追问教育之于童年的意义……这种站位与格局,不一定能给校长带来明确的路径与方式,却是校长推进教育变革的宏观视野,让校长更能把握教育的本质、聚焦问题的所在、梳理变革的底层逻辑,而不至于迷失在技术与方法的丛林中。

关键词： 真实情境   人工智能   项目式学习   无人驾驶  

摘要： 我国《义务教育信息科技课程标准》强调创新教学方式,注重创设真实情境,以真实问题或项目驱动来提升学生的学习参与度。自此,中小学人工智能教育进入了快速发展阶段,然而中小学教师在日常教学实践中仍存在教学硬件更迭太快、教学过程重“技”轻“科”、教学评价单一化等问题。本研究基于真实情境,依托项目式学习理论,分别构建了基于真实情境的人工智能课程教学模式和教学流程,并以“无人驾驶汽车”为例阐述了具体的实施策略,以期为新课标背景下义务教育阶段人工智能的教学实践提供参考。

关键词： 新质生产力   编辑培养   人工智能  

摘要： 文章阐述新质生产力对编辑工作的新要求,分析编辑培养现状与问题,并提出培养编辑数智素养、设计编辑培训定制化方案、创新编辑培训多元化形式的编辑培养策略,以培养编辑将数智技术应用于出版工作流程,提升内容质量与管理效率,满足出版业在新质生产力驱动下的转型升级需求。

关键词： 人工智能   数字劳动   人性   资本逻辑  

摘要： 在人工智能时代,数字劳动的内涵和外延都得到扩大,并表现出某些有利于劳动解放和人的自由而全面发展的积极因素。但从本质上看,人工智能时代数字劳动方式所彰显的积极因素,是服务于资本自我增殖内在本性的。它依旧以占有人的创造力为前提,并通过将人类智能与人自身相分离的方式强化了异化劳动。根据马克思的观点,异化劳动源自机器体系的资本主义应用,但机器的应用可以从机器体系的资本主义应用中剥离出来。因此,在人工智能时代,数字劳动要在降低必要劳动时间和变革人机关系等方面,对人的自由而全面发展起推动作用,就必须驾驭资本,并对人工智能技术进行道德立法。

关键词： 人工智能   ESG表现   绿色治理   企业发展  

摘要： 选取2010—2022年中国沪深A股上市公司数据,构建基准回归模型、作用机制模型以及调节效应模型,重点讨论人工智能对企业绿色治理水平的影响及作用机制。结果表明:人工智能发展可促进企业绿色治理水平提升,经一系列稳健性检验后该结论仍然成立。从作用机制来看,人工智能可通过优化ESG表现驱动企业绿色治理水平提升。异质性检验发现,人工智能对企业绿色治理水平的提升效应在碳排放量较高和公众环保意识较强地区更明显。就调节效应而言,政府生态环境关注度对人工智能与企业绿色治理水平关系具有正向调节作用。研究为“双碳”背景下提升企业绿色治理水平,实现绿色高质量发展提供了有益启示。

关键词： PBL模式   人工智能   高中信息技术   教学实践  

摘要： 本文以教科版高中信息技术必修1第五单元“数据分析与人工智能”中的《探秘人工智能》一课为例,阐述了高中信息技术中基于PBL模式的人工智能课程的实施过程,并对PBL模式下的教学行为和教学效果进行了分析和思考。

关键词： 高光谱成像技术   自适应增强网络算法   水蜜桃   产地溯源   机器学习  

摘要： 目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信息,并利用提取的光谱信息进行建模。分别比较在3种预处理方法下的AdaBoost、随机森林、长短期记忆网络、径向基函数神经网络产地分类模型,并选出最优模型。随后,利用连续投影算法(successive projections algorithm,SPA)和无信息变量剔除进行特征波长的提取,以进一步优化模型。结果实验结果表明,全光谱下基于标准正态变量(standard normal variate,SNV)预处理的AdaBoost模型分类效果最好,训练集和测试集的准确率分别达到100.0%和98.7%,召回率和F1值分别为95.8%和97.9%。在对AdaBoost模型采用SPA提取9个特征波长后,SPA-SNV-AdaBoost模型训练集和测试集准确率都达到了100.0%,召回率和F1值也达到100.0%。结论本研究基于高光谱成像技术和AdaBoost算法,构建了一种全新的水蜜桃不同产地分类模型,经过预处理和特征提取,该模型获得了较高的精度,能够有效地进行水蜜桃产地溯源,为水蜜桃品牌鉴别真伪打下了坚实的基础。

关键词： 多元时序预测   时空数据库   图神经网络   注意力机制   机器学习  

摘要： 深度学习模型在多元时间序列预测、智能驾驶、图像识别等多个领域广泛应用,其中多元时间序列预测是学者们关注的重点之一,多元时间序列预测是典型的回归任务,旨在通过海量的历史数据构建模型以预测未来状态,被广泛运用于交通、电力、金融等领域.多元时间序列数据具有复杂的时空依赖性,现有模型大多仅能捕获序列数据中的时间特征,难以捕获空间特征,而图神经网络解决了这一问题.图神经网络能够自然地建模实体间的复杂关系,可以很好地处理拓扑数据,而多元时序数据大多可以构造为拓扑图,因此图神经网络可以很好地学习多元时序数据中的空间特征.基于图神经网络的多元时间序列预测模型受到广泛关注并取得了一定的成果,但现有基于图神经网络的模型仍存在诸多不足.首先,现有方法大多分别捕获和建模多元时间序列数据中的空间特性和时间特性,未充分考虑多元时间序列的时空统一性,导致模型的次优建模;其次,现有方法主要基于静态预定义图或动态自适应图,其中静态预定义图通常根据监测节点之间的空间相关性进行构造且不会随着时间而改变,基于预定义图的研究忽略了时间序列数据中的时间特征,即忽略了数据模式随时间发生的改变;而自适应图通常由模型自主学习并不包含监测节点间的固有属性,基于自适应图的研究忽略了大量有效的领域知识,如道路的连通性和道路间的属性.为了解决上述问题,提出基于动态自适应时空图的多元时序预测模型MTP-Graph(Multivariate Time series Prediction model based on dynamic adaptive spatio-temporal Graph),利用时空融合模块将时空信息进行统一处理,避免了分开捕获时间特性与空间特性而导致的次优建模问题,提出图结合模块将静态预定义图和动态自适应图进行动态融合,获取时空信息的同时充分考虑领域知识,使模型可以更好地学习多元时间序列中的时空特性.在PeMSD3、PeMSD7和PeMSD8数据集上的大量实验结果表明,MTP-Graph预测性能优于其他基准方法,验证了MTP-Graph的可用性和有效性.

关键词： 铁路工程   隧道洞渣   机制砂   绿色可持续发展   智能制造   建筑用砂   成套技术   环保政策  

摘要： 随着我国基础设施建设的不断推进,建筑用砂的需求量逐年攀升。然而,传统天然河砂资源的枯竭与环保政策的收紧,使得“无砂可用”的瓶颈逐渐显现。在铁路工程建设逐步向中西部地区推进的过程中,河砂资源的严重短缺与隧道洞渣大量堆存成为制约铁路工程绿色高质量发展的关键因素,采用机制砂替代河砂制备混凝土是解决以上难题、促进铁路绿色可持续发展的必须选择。