关键词： 人工智能   职业   劳动   任务替代性  

摘要： 随着人工智能的快速发展，其对各类职业的影响日益广泛而深刻。借助GPT-4卓越的工作任务评估能力，并结合职业分类大典对职业主要工作任务的科学概括，可以构建出一种适合中国国情、区别于西方的评估方法，用于衡量人工智能对中国职业的影响程度。基于该方法，对中国1 625个职业进行全面评估，结果表明约65%的工作内容面临人工智能影响，具备科学性、批判性、创造性、社会智力以及身体技艺的职业受影响较低，人工智能的影响与工资水平无关，但与工资成长空间呈反向关联，与用工缺口有一定关联，与职业数字化关联较小，劳动者对人工智能的影响普遍预估不足，因此，建议不同影响程度的劳动者应采取不同的应对策略，各职业主体均应积极应对这一趋势。

关键词： 换道意图识别   Transformer   全连接神经网络   支持向量机   决策树   网联车辆  

摘要： 换道意图的准确识别对于自动驾驶车辆的安全行驶有着重要作用。为实现对周围车辆换道意图的准确识别，本文提出基于支持向量机、全连接神经网络、决策树和Transformer模型的四种换道意图识别方法，并利用High D轨迹数据集进行训练和评估，选择目标车辆的速度、加速度、车头间距等作为输入，换道意图作为输出。设计三种输入组合：不考虑横向运动（组合1）、包含纵向加速度（组合2）、综合横纵向运动及车间交互（组合3）。结果显示，全连接神经网络在三种组合下表现最佳，组合3的准确率达99.7%；决策树在召回率方面表现优异，平均召回率99.5%；支持向量机的鲁棒性较高，平均指标98.48%；而Transformer模型表现欠佳，平均准确率87.1%，但识别性能随输入信息增加而改善。

关键词： 人工智能  

ISBN: (纸本)9787577210056

关键词： 人工智能服务提供者   风险区分   归责标准   因果关系   注意义务  

摘要： 人工智能依其对民事权益的影响程度，可分为禁用型人工智能、高风险人工智能和低风险人工智能。为平衡技术创新与风险预防之间的关系，宜通过要件的动态化配置来实现对不同风险层级的人工智能侵权的区分评价。在禁用型人工智能侵权场合，服务提供者因创设了“不被容许的危险”而应承担无过错责任，该类人工智能的实质性风险亦可构成损害。在高风险人工智能侵权场合，违反“危险源控制型”注意义务的服务提供者应被推定有过错，除非其证明被侵权人存在故意诱导型介入行为等反驳事由。在低风险人工智能侵权场合，服务提供者仅需承担一般过错责任，相应的注意标准亦低于高风险人工智能侵权的情形，且因其负担的预先审查义务属于事前注意义务的范畴，故其不能依据“避风港原则”免责。由于人工智能具有算法复杂性，三种场合下的因果关系证明均应采纳“关联性”标准，除非服务提供者证明其行为与损害之间不存在因果关系。

关键词： 科技人才   人才评价   数据画像   大数据   生成式人工智能   人才生态  

摘要： 在全球科技创新竞争加剧的背景下，科技人才的评价与管理成为国家战略布局的核心。传统科技人才评价过于侧重量化指标，忽视了科技创新活动中非显性知识和个体智力贡献的重要性，难以全景展现当代“后学科科学”时代科技人才的多重属性。本文系统性分析了科技人才概念内涵和分类框架的理论变迁，揭示了科技人才的复杂性、交叉性和动态发展特征，为改进科技人才评价体系提供了分析基础。随后聚焦于大数据和生成式人工智能等新兴技术在科技人才洞察分析中的创新应用，提出构建立体化、动态化和个体化的科技人才数据画像，融合结构化数据、非结构化数据和关系数据，应用生成式人工智能构建面向科技人才画像生成的端到端建模框架。此外，研究探讨了科技人才画像优化跨圈层人才匹配与流动的机制，强调了构建开放、互联的科技人才生态系统的重要性。通过分析生成式AI驱动的科技人才画像对跨圈层人才流动的影响，提出了运用科技人才画像促进科技人才跨界合作、知识融合的机制路径，以促进科技创新的生态均衡发展。

关键词： 大数据分析   人工智能   供应链整合   供应链敏捷性   数字供应链转型  

摘要： 基于组织信息处理理论，构建“大数据分析与人工智能-供应链整合-供应链敏捷性-数字供应链转型”的链式中介模型，运用偏最小二乘结构方程模型和重要性-绩效图对192份汽车企业样本进行实证分析。研究发现：大数据分析与人工智能对数字供应链转型具有显著正向影响；供应链内部整合、供应链外部整合和供应链敏捷性在大数据分析与人工智能和数字供应链转型之间起到同步和链式中介作用；大数据分析与人工智能和供应链外部整合在推进数字供应链转型实践方面具有相对较高的重要性和绩效改进空间。研究进一步夯实了数字化转型理论基础，揭示了供应链层面的数字化转型机制，为解决汽车行业利用大数据分析与人工智能实现供应链数字化转型提供参考。

关键词： 拓扑识别   人工智能算法   配电网   线损率  

摘要： 为提高配电网线损率计算的精度，设计基于拓扑识别与人工智能算法的配电网线损率计算方法。根据配电网特性，采集配电网运行状态数据，得到配电网原始数据矩阵。对数据进行标准化处理，利用拓扑识别提取出配电网数据的多个特征，并计算出对应的特征权重值。据此分类配电网数据特征，并计算出数据的适应度函数，由此计算出更为精确的配电网线损率。实验结果表明:和以往的配电网线损率计算方法相比，设计的基于拓扑识别与人工智能算法的配电网线损率计算方法在实际应用中计算结果与实际结果基本吻合，说明该方法计算精度较高。

关键词： 中药材   模式识别,自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验，难以满足中药材在准确分类与鉴别方面的需求。目的本研究旨在基于卷积神经网络（CNN）开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月，采集了两个中药材数据集进行深度学习模型的训练、验证和测试，共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征（ROC）曲线下面积（AUC）、F1分数等指标来衡量CNN模型的性能。在模型训练完成后，基于PyQt5技术开发了一款应用程序，供临床便携使用。结果 本研究共纳入了276 767张图像，开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet18 5种模型，通过性能比较，EfficientNet＿B0模型在验证集上取得了最高的准确率（99.0%）和AUC(0.9942)，被选为最佳模型。在测试集上，最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0，展现出良好的性能。结论 基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材，借助其高灵敏度的识别能力，为医师对中药材的鉴别提供有力辅助。

关键词： 美国智库   人工智能   人才建设  

摘要： [目的/意义］人工智能作为一种颠覆性技术，正在从根本上变革国际社会发展进程，已成为中美科技博弈的焦点。厘清美国智库人工智能人才建设议题研究的特点和对该议题的认知，能够为研判美国人工智能人才政策提供参考，也为我国智库建设提供一定启示。［方法/过程］本文采用文献分析法考察7家智库的人工智能人才建设研究成果，重点梳理其研究背景、方法、问题以及结论。［结果/结论］美国智库人才建设议题研究具有数据和对华竞争双重驱动性。美国智库呼吁从自主培养以及完善和扩大国际人才蓄水池两个方面加强人工智能人才建设，以保持美国人工智能发展优势。