期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 邮发代号：80-381 电话：010-88558766 邮箱：aiview@ccidmedia.com
<正>在以数字经济与智能化转型为牵引的当下，新质生产力正在加速重塑交通出行与信息基础设施的形态。智能网联汽车与智慧交通系统的演进，使通信网络从提供连接走向支撑智能：一方面，车联网通信正由LTE-V2X向NR-V2X、由单一链路向车车/车路/车网的多域协同发展，业务形态也从传统消息交互扩展到特征、地图、意图等更高层信息的共享；另一方面，自动驾驶与协同应用对端到端时延、可靠性、连续覆盖与安全冗余提出了更严格的指标约束：复杂交通场景的高动态与强交互，使高可靠、低时延的协同通信在工程上更难保障，同时，多源感知数据质量差异与融合标准不一也会直接影响协同感知效果。在此背景下，“智能通信”的内涵正在发生结构性变化：通信、计算与智能感知深度耦合，系统设计逐步从面向比特的传输优化转向面向任务与价值的协同优化，既要提升信息共享的有效性与可解释性，又要保障协同感知的可扩展性与可控性，并在端边云架构下实现实时性与资源效率，同时还需依托天线与空口能力的持续增强以支撑高阶应用。
针对车车协同感知中通信带宽受限与非视距盲区风险感知的矛盾,提出基于策略蒸馏与遗传优化的盲区掩码筛选框架。构建融合语义类别与请求车规划路径时空紧迫度的价值量化模型,利用U-Net网络对基于复杂几何规则的教师模型进行策略蒸馏,全图感知价值实现毫秒级端到端推理。将数据筛选建模为严格带宽预算下的离散组合优化问题,采用受限变长编码的遗传算法,使用价值图作为引导,高效搜索具备语义完整性的全局稀疏最优传输掩码。仿真实验结果表明,该方法将全图价值推理耗时稳定控制在2毫秒左右,实现了计算耗时与场景复杂度的解耦,在仅传输3.75%地图数据的极低带宽条件下,算法可在20代迭代内快速收敛,优先覆盖右转及双重盲区中的关键风险目标。该框架在满足低带宽与低延迟双重约束的同时,有效保留了绝大部分关键风险信息。
协同感知（CooperatvePercepton,CP）是保障网联自动驾驶汽车（Connected il AutonomousVehces,CAVs）实现可靠态势感知的关键技术手段。本文探讨了在实际网络环境中支持协同感知所面临的可扩展性、动态性和性能不确定性等核心挑战。为此,提出了一种具备性能感知能力的动态可拓展协同感知框架,作为应对上述挑战的工程化解决方案。具体而言,设计了一种动态可拓展协同感知解决方案,通过元模型支持的强化学习抵抗网络环境的动态性,同时通过图神经网络的结构解决协同感知中的可拓展性局限。最后,通过案例研究验证了所提方案在应对网络动态性、提升资源利用效率方面的表现。
深度神经网络模型分割与端边协同技术有效缓解了车载算力瓶颈。但车辆高动态性与任务流随机性导致信道时变与负载不确定性,使硬实时约束下长期系统效用最大化成为复杂的随机优化难题。针对该挑战,本文提出一种任务截止期感知的联合计算卸载与资源调度框架。基于松弛度界定任务临界紧迫状态,该框架构建优先调度策略主动抑制任务超时失效,保障服务质量,利用李雅普诺夫优化理论将长期随机优化问题解耦为无需未来网络状态先验的单时隙确定性子问题。实验验证了系统效用与平均队列积压[O(1/V),O(V)]渐进权衡规律；在车辆密集高并发场景下,漂移加罚控制参数V从0.1增大至30,任务超时丢弃率降低24%,显著提升服务质量。该方法能够在满足硬实时约束的同时,有效平衡系统稳定性。最后,本文展望了结合联邦学习与数字孪生的自适应模型分割与多核并行调度方向。
自动驾驶系统的安全性及可靠性高度依赖于系统的环境感知能力,而单车的单一传感器在复杂交通环境中无法满足高精度、高鲁棒性的感知需求。为此,融合多传感器数据信息,结合车联网通信技术实现多节点之间的信息协同,已经成为提升感知全面性与稳定性的有效途径。首先,本文系统梳理了目前环境感知中主流传感器的工作原理、性能优势和局限性,介绍了实现多节点信息协同的车联网关键技术,分析了实现协同感知与信息融合的融合策略。在此基础上,进一步探讨了端到端自动驾驶模型的发展与其模态分类,回顾了多模态与多节点协同的端到端模型的演进历程。最后,分析了多模态与多节点协同自动驾驶的应用前景,并对未来发展方向进行了展望。
随着现代无线通信的快速发展,通信系统正在对天线设计提出宽带、高增益、小型化等一系列要求。高性能的要求往往需要复杂的天线结构,这将带来一系列挑战,如参数高维化、计算成本高昂和研发周期延长等。为应对不断增长的高性能天线需求,本文聚焦于人工神经网络与机器学习在天线设计方面的应用现状与发展趋势,系统总结了深度神经网络、基于知识的神经网络、逆向网络和自适应进化网络等核心算法原理,探讨了结合神经网络或深度学习进行天线设计的可行性、优势和所面临的问题。之后,本文展示了基于神经网络空间映射技术的超表面圆极化天线优化实例,该实例结果表明,采用空间映射策略仅需4次迭代即可收敛,成功实现了1.98GHz～2.2GHz频段内回波损耗优于-20dB、轴比小于3dB的优化目标。相较于耗时34小时的传统遗传算法与耗时6.8小时的传统神经网络,该方法的计算效率分别提升了约10倍、2倍。基于深度学习与代理模型的天线优化技术正推动着天线设计从传统仿真试错向模型快速预测转变,为天线设计提出了新的解决方案和技术路径。
人工智能风险治理话题不断发酵,梳理现有研究成果能够推动该话题理论创新与实践i发展。运用CteSpace软件,对2012—2024年中国知网（CNKI）数据库发表有关该话题4555篇论文就发文趋势、关键词等进行分析,以图谱及表格方式呈现相关研究热点主题和发展趋势。研究发现,该领域研究热度不断上升,但跨学科交流不强、场景化覆盖不全、伦理技术法律融合不足、人工智能本质思考不深,人工智能治理研究缺少全球视野。未来,该领域研究将会从五个方面深入发展,在治理理念层面,以实现数字正义为理念,关注人工智能风险治理的回应性、敏捷性和灵活性；在治理目标层面,以统筹发展与安全为原则,共探人工智能决策的可靠性、可解释性；在治理主体层面,以国内、国际多方主体协同共治为基础,为全球人工智能风险治理提供中国方案；在治理手段层面,以“伦理+技术+法律”为手段,研究人工智能风险治理困境的制度之道；在治理结果层面,坚持“以人为本”为旨归,推动人工智能治理研究造福人类福祉。
如今,油气勘探开发数据湖正面临多重安全挑战,包括数据源种类繁杂、标注样本稀缺和静态防护难以起效等。对此,为提升数据安全,本文提出一种结合数据特征相似度与数据血缘路径的半监督自动化分类分级与动态安全防护策略的系统。在分类分级模块,系统构建包含数据特征与血缘路径的多层次特征空间,利用结合数据血缘权重的标签传播算法,实现在稀疏样本条件下自动化数据定级；在动态防护层面,基于真实业务逻辑构建用户行为正负样本数据集,采用随机森林与孤立森林混合模型,并设置多重响应机制,对越权与聚合访问等动态威胁进行实时监测与阻断。验证表明,本方法在5%标注样本下准确率达89.79%,定级效率提升286%；性能损耗仅3.98%,对异常攻击拦截率达94.44%。研究成果有效提升了数据定级效率与动态风控的能力,实现了数据安全与业务价值挖掘的协同保障。
楼宇作为城市微单元,其智慧化建设是智慧城市的重要组成部分,尤其对具有独立办公楼宇的大型企业具有战略价值和意义。从企业行政服务的角度,商务楼宇的智慧化建设见证了企业的发展壮大。智慧楼宇的建设运营与企业行政服务数字化转型密切相关,实现二者的有效融合需要有创新的设计模式。因此,本文从企业行政服务数字化转型战略角度,探讨智慧楼宇设计模式,并通过某国有大型企业的实践案例分析,可为智慧城市建设与运营提供参考。
回望历史,知识产权能够作为一项重要的财产权,离不开劳动理论、人格理论、激励理论和平衡理论的哲学支撑,其所蕴含的价值理念共同建构了当今的知识产权制度。人工智能时代,知识产权哲学的四大理论基础受到了创作方式的变迁、人格因素的淡化、激励对象的模糊和多重利益关系交织等的挑战。面向未来,知识产权哲学应坚持劳动的人本地位,坚守作品人格因素的真正内核,兼顾多元利益需求,调整现有的利益平衡机制,让知识产权制度能够紧跟时代发展,真正服务于社会大众。