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 email：aiview@ccidmedia.com
<正>党的十八大以来,我国作出了推进新型工业化的重大战略部署,为推动新型工业化的高质量发展迈出了坚实步伐。作为全世界唯一拥有联合国产业分类中全部工业门类的国家,我国制造业规模连续13年居世界首位,工业规模稳步壮大、产业结构持续优化、数字化转型不断推进,持续培育起新的竞争力。党的二十大明确了到2035年“基本实现新型工业化”的目标,深刻把握推进新型工业化的基本规律,积极主动适应和引领新一轮科技革命和产业变革,把高质量发展的要求贯穿新型工业化全过程,把建设制造强国同发展数字经济、产业信息化等有机结合,为中国式现代化构筑强大物质技术基础。
隐私计算是大数据时代保护个人数据隐私的重要手段,其中联邦学习发挥着关键作用。然而,在异质环境下,联邦学习的协同优化面临诸多挑战。本文探讨了在异质环境下联邦学习所面临的难题,首先分析了异质性问题的来源,数据分布不均衡对联邦学习产生的影响,以及在异构设备上进行模型聚合所面临的技术挑战。接着,本文讨论了针对数据异质性和模型异质性的联邦学习算法。最后,本文总结了在异质环境下解决隐私计算中的异质性挑战所面临的关键问题,并提出了未来研究方向和可能的解决方案。本文有助于深入理解在分布式异质环境下隐私计算的复杂性,为构建更安全、高效的联邦学习系统提供了启示和指导。
随着数据的价值在当代社会中逐渐增长,数据隐私成为了一个不容忽视的问题。数据泄露不仅可能导致经济损失,还可能威胁到个人隐私和企业安全。尽管数据匿名化、脱敏和加密等传统隐私保护方法能在一定程度上降低隐私泄露风险,但这些方法尚有其局限性。生成数据作为一种新的隐私保护策略,可以在不暴露原始数据的情况下,为研究和分析提供所需的数据。本文将探讨生成数据的定义、原理、优点,以及其在实际应用中的案例研究,旨在展示生成数据在隐私保护领域的潜力和价值。
在数字化时代,数据要素正在成为推动经济增长的核心。本文介绍了数据要素流通的核心概念及其在经济体系中的关键作用,同时探索了市场化流通过程中遇到的主要挑战。在此背景下,联邦学习作为数据科学的前沿技术,显著增强了数据隐私保护水平,同时支撑了数据要素的价值实现。由此,本文详细阐释了现有联邦学习贡献评估方法和在智慧医疗、智慧工业领域的实践。通过这些尝试,本文认为,随着技术的不断革新和数据量的增长,联邦学习和联邦贡献评估已逐步成为数字经济发展的关键技术,对促进数据要素流通具有不可忽视的中心作用。
数据要素市场的关键在于数据要素能够安全、合规地流通,带来数据“可用不可见”、使用“可控可计量”、数据“可算不可识”的三大技术挑战。近几年,隐私计算行业发展迅猛,涌现了许多创新方案、技术路线。本文分析了三大挑战的主要目标、关键问题,并对三大挑战下的隐私计算技术发展趋势进行了阐述。
智能机器替代人工进行生产工作,如今已成为生产制造业等很多行业的发展趋势。在工业、康复等领域,智能上肢外骨骼机器人正在快速发展并投入使用。上肢外骨骼本质是可穿戴机器人,其跟随和力量辅助可以增强佩戴者的运动能力以及恢复上肢功能受损或丧失的患者的运动能力。文章首先对国内外近年来上肢外骨骼的研究现状进行概述分析,从而了解上肢外骨骼前沿技术和发展趋势;其次对上肢外骨骼的关键技术进行概括讨论,其中包括驱动传动、智能控制等;最后,通过比较近年来上肢外骨骼的研究方案,总结了上肢外骨骼发展所面临的挑战,并对其未来研究发展方向进行展望。
车辆目标检测技术是自动驾驶车辆环境感知模块的关键,对驾驶安全至关重要。本文在EfficientFormer算法的基础上,使用加入了3×3卷积的FFN替代局部token混合器,抓取局部和全局信息。在注意力中加入深度3×3卷积,将局部信息注入到值矩阵V中,并添加全连接层实现注意力头之间的相互通信。将池化和3×3 DWConv分别作为稳定和可学习局部下采样并进行结合,得到注意力下采样机制。利用4阶段模型和阶段分配进行搜索空间优化。利用BDD100K数据集进行训练,得到改进的EfficientFormer算法的mAP达到58.9%,精准率达到了76.4%,召回率达到了49.1%,比其他主流算法性能更加优越。同时,其在真实场景检测中的延迟降低到了7.2ms,这表明该算法在自动驾驶目标检测中即有精准性又有时效性。
目的 探讨深度学习算法在皮质性白内障筛查中的临床应用价值。方法 收集2021年1月至2022年1月在沈阳市何氏眼科医院随机选取白内障患者及正常晶状体眼共计2095眼的2095张眼前节照片作为研究样本,两名主治医师之间对眼前节照相采用的是双盲的方式进行读片,得出眼前节照片的最终结果与通过随机森林深度学习算法所得出的结论进行对比。结果 对于皮质性白内障筛查研究,结果显示AI模型训练最终平均结果——总体准确率为91.18%,总体特异度为82.72%,白内障预测精确率为93.94%,白内障召回率为94.14%,F1值为94.43%。对人工结果和AI所读片结果进行比较,结果发现Kappa值为0.833,在0.81到1.0之间,结果表明结果高度一致。结论 深度学习算法在皮质性白内障筛查中可以作为筛查和诊断的工具。
本文通过对银行客户数据的分析和建模,旨在预测客户是否会购买银行的产品。采用Stacking多模型集成的方法,通过分别训练随机森林模型、LightGBM模型、决策树模型、梯度提升树模型和直方图梯度提升树模型,作为基模型,以逻辑回归模型作为元模型进行分类预测。实验结果表明,论文设计的Stacking集成模型在预测银行客户产品认购方面表现出色,具有较高的准确率。该模型可以为银行业提供重要的决策支持,帮助银行更好地了解客户需求,提高产品销售率。
随着数字化进程的加速和社会治理的转型升级,数字法治政府建设日益成为社会关注的热点。人工智能技术给数字法治政府建设提供了新手段。首先,人工智能技术在数字法治政府建设中有广泛的实践价值,可以为数字法治政府建设提供数据技术支撑,提升治理效率、提高治理能力。其次,人工智能技术赋能数字法治政府建设具有信息化、智能化和协同化等特征,其内在机理主要是智能搜索、数据分析、数字化治理系统等。最后,人工智能技术赋能数字法治政府建设的路径主要有建立智能法治治理系统、推动人工智能技术的法治人才培养、建立人工智能技术在数字法治政府建设中的法律法规保障等。人工智能技术在数字化治理中具有显著优势,可以推动数字法治政府的高效、精准、公正治理。
以ChatGPT为代表的生成式AI技术,引领人类进入了AIGC智能创作时代,给著作权法规范适用带来了新的挑战。智能创作时代应重新对创作行为与“创作”规范进行解读,创作行为实为人与信息的互动,而非人与AI的互动,涉及AI技术的创作行为本质是人基于AIGC的创作。对此应坚持著作权法稳定性与灵活性的统一,在明确AI生成内容的信息属性与人类创作的作品属性的前提下,合理运用“创作”规范的区分机制和“作品”认定规范的保护机制。对AI生成信息与创作者的作品区分适用财产权保护机制与著作权保护机制,实现著作权法对涉AIGC作品的规范化保护,保障AIGC相关技术更好地应用于作品创作场景。