课程文献中心 更多>>

关键词： 光电计算   人工智能   非线性超表面   并行处理   数字分类   图像重建  

摘要： 光电计算系统将光学计算的带宽与电子计算的灵活性相结合，高速且低功耗地执行人工智能推理。然而,现有的架构通常为单项任务而设计，缺乏并行处理多任务的能力。本文提出一种新型的光电混合神经网络计算模型，通过非线性超表面对线性和非线性光波进行多维度光场调控，并行处理多个通道的信息。非线性超表面采用U型纳米天线，基于自旋和几何相位对基频和倍频光波的相位进行编码和复用，结合后端的浅层电子神经网络分别实现对手写数字图像输入的高精度分类（95.53%盲测准确率）和高质量重建（平均PSNR>26）。我们的工作为发展光学/光电/电子模拟和数字计算技术提供了一种方法，以实现大规模并行、高通量和更广泛的人工智能系统。

关键词： 个体化   人工智能   数据挖掘   中医   病机  

摘要： 中医个体化诊疗具有复杂和动态的特点，由于适用性评价方法的缺失，限制了临床数据的分析与证据的产出。随着人工智能时代到来，通过数据挖掘和深度学习等技术分析海量诊疗数据，辅助中医个体化研究证据的产出、构建中医智能化信息平台，不断为中医临床研究提供了支持。然而当前智能化信息平台存在诸多瓶颈，其中重要原因之一是由于缺少中医理论和方法的指导，使得中医辨证论治诊疗思维无法有效融入其中。因此本文提出以病机作为中医个体化研究数据挖掘和深度学习的理论核心，探索中医智能化平台构建的新模式。

关键词： 1型糖尿病   人工胰腺   干细胞   人工智能  

摘要： 近年来,1型糖尿病的治疗进入了新时代,各种新的治疗方式层出不穷,其中包括人工胰腺、新兴的药物疗法、干细胞疗法和人工智能等。本篇文章讨论了这些技术在糖尿病领域近5年的新进展,提出了未来发展的可能方向,为糖尿病的治疗提供新的思路与见解。

关键词： 人工智能   作者身份   浪漫主义作者观   后结构主义作者理论   关系型作者理论  

摘要： 人工智能所具有的变革性力量正挑战着传统版权法中作者身份的理论范式,当下将人工智能主体性与作者身份之间等量齐观的做法尤值反思。确认作者身份实际上是版权机制实现创造资源倾斜性分配的有效社会组织手段,是赋予不同人格主体以实际资格身份的一种分配技术。版权法中的作者身份并非“浪漫主义”作者观的简单投射,而是包含后结构主义与关系型作者理论参与建构的结果,其重在强调作者之于作品的本源性意蕴,并突出了自身的社会建构价值和鼓励文化交流与社会互动之功能。人工智能作者身份的“浪漫化”忽视了作者概念的人性要素及其独特的社会意义;后结构主义理论着力于作者身份的符号化,以解构与消除作者身份中的传统要素,因此其无法用来实现人工智能作者身份的理论证成;因人工智能不能满足关系型作者关于文化对话与意义交换的社会主体定位,亦排除成为作者的可能。对人工智能“作者”身份问题的本质澄清与反思,将有助人工智能时代版权法回归以人为本的制度逻辑。

关键词： AIGC   知识服务   信息质量   风险治理   人工智能  

摘要： [目的/意义]对AIGC学术知识服务的信息质量风险节点进行识别和风险值量化，根据知识服务流程中各工作阶段的风险值排序提出风险治理策略，为出版机构开发和提供高质量的AIGC学术知识服务提供参考。[方法/过程]运用德尔菲法征询专家集体意见，结合工作—风险分解法（WBS-RBS）识别AIGC学术知识服务过程中可能导致信息质量风险的节点，并通过风险分解矩阵（RBM）对各风险节点的风险值进行量化和比较。[结果/结论]AIGC学术知识服务过程共包含79个信息质量风险节点。其中，启动准备阶段的风险值最高，应严控偏差，筑牢信息质量基础；维护优化阶段的风险值次之，应完善细节，避免信息质量受扰；建设实施阶段的风险值最低，应弥补疏漏，消除信息质量隐患。

关键词： 人工智能   文本分类   小样本学习   互学习   原型网络  

摘要： 小样本文本分类方法大多依赖于单一原型进行训练和推理，容易受到噪声等因素的影响，从而导致泛化能力不足。对此，提出了一种用于小样本文本分类的互学习原型网络。在保留现有算法通过文本嵌入特征直接计算原型的基础上，引入了基于转换器的双向编码表征模型（BERT），将文本嵌入特征输入模型中以生成新的原型。接着，利用互学习算法，使这两个原型相互约束并进行知识交换，以过滤掉不准确的语义信息。此过程旨在提升模型的特征提取能力，并通过两个原型的共同决策来提高分类精度。在小样本文本分类数据集上的实验结果证实了所提出方法的有效性。结果表明，在小样本关系分类数据集（FewRel）上，所提算法在类别为5且样本为1的分类实验中相较于当前最优方法，精度提高了2.97%，而在类别为5且样本为5的分类实验中精度提高了1.99%。

关键词： 生成式人工智能   合理使用   机器学习   转换性使用  

摘要： 生成式人工智能的主要用途是模仿并生成新的作品,但最终生成的作品却可能会替代现有作品的市场,因而在合理使用的认定中需要重新评估生成式人工智能的商业性用途和对现有作品的市场替代后果。对于不具有特定模仿用途的生成式人工智能,由于事前获得许可面临高昂的交易成本并且在使用目的上又具有高度的转换性,原则上可以构成合理使用;但对于针对特定模仿对象的人工智能,不宜认定构成合理使用。在监管政策上,对于生成式人工智能应当采取包容审慎的监管政策,数据来源合法的要求并不意味着必须要事先取得所有训练数据的著作权人的许可。

关键词： 人工智能+   新质生产力   数据流通   数据分层治理  

摘要： 数据是推进“人工智能+”行动的关键要素，数据治理有利于解放新质生产力。在“人工智能+”行动对个人数据、企业数据和公共数据提出新要求和形成新挑战的情况下，有必要以分层治理的思路，以促进数据流通和保障数据安全为准则，区分不同类型数据的治理目标，形成数据法律法规的联合治理。通过优化个人数据的授权和利用，促进企业数据的交易和流通，平衡公共数据的开放与安全，来实现人工智能产业化中数据的创新治理和高效治理。

关键词： 大语言模型   人工智能   储能技术   二次电池  

摘要： 在碳达峰、碳中和的大背景下，储能科学作为一门信息密集、多学科交叉的研究领域，迫切需要新研究方法以应对其日益复杂的难题与挑战。随着人工智能技术的快速发展，大语言模型在文本处理、信息收集与整合、图片与视频生成等领域取得了巨大的成功，其应用也在逐渐延伸至自然科学研究领域，并在提升科研效率等方面展现出了巨大的潜力，有望助力储能科学应对未来挑战。本文首先以ChatGPT为例，回顾了人工智能和大语言模型领域的重大进展，从社会生活和科学研究两方面分析了这些进展所产生的影响，整理了国内重点的大语言模型；然后结合储能领域的具体案例介绍大语言模型的基本概念及原理，并从信息处理、信息生成和系统集成三个方面详细探讨大语言模型在储能研究中的应用，凸显这一全新研究方法的实际效果与发展前景；最后结合具体时代背景，指出大语言模型与储能交叉研究的挑战与未来发展方向，并对这一新领域做出总结和展望。

关键词： 新工科专业   自动化   人工智能   课程体系   教学改革  

摘要： 在新工科专业改革的大背景下，围绕人工智能与自动化交叉融合的主题，针对相关专业背景和知识体系特点，介绍和讨论了自动化新工科专业的建设思路与改革举措。然后，结合东北大学信息科学与工程学院的自动化新工科专业建设工作，对上述建设方案进行了系统性的探索与实践，在课程体系设计、教学资源建设和教学质量保障等方面进行了大量有益的尝试，并对相应的建设成果与问题进行了总结与分析，为人工智能驱动的自动化新工科专业建设探索了可供参考的实践方案。