检索范围:
排序: 展示方式:
介尺度中的复杂性——人工智能发展中的共性挑战 Perspective
郭力, 邬俊, 李静海
《工程(英文)》 2019年 第5卷 第5期 页码 924-929 doi: 10.1016/j.eng.2019.08.005
探索复杂系统背后的物理机制并加以有效利用,是处理各类复杂事物的普适性方法。大数据的兴起与计算能力的提升,加之优化算法的改进,触发了以深度学习为驱动的人工智能变革,并在多个应用领域取得了突破性进展。然而,深度学习难以揭示所解决问题的底层逻辑和物理内涵,进而阻碍了其进一步发展。介科学提出了理解复杂系统时空多尺度结构的原理和方法,已在多个领域见到成效。本文提出“基于介科学的人工智能”研究范式,将介科学原理和方法应用于深度学习模型设计,旨在弥补其模型脱离问题物理原型这一根本性问题,探索人工智能可持续发展的有效途径。
蒸汽裂解建模中的人工智能——详细流出物预测深度学习算法 Article
Pieter P. Plehiers, Steffen H. Symoens, Ismaël Amghizar, Guy B. Marin, Christian V. Stevens, Kevin M. Van Geem
《工程(英文)》 2019年 第5卷 第6期 页码 1027-1040 doi: 10.1016/j.eng.2019.02.013
深度学习中的视觉可解释性 Review
Quan-shi ZHANG, Song-chun ZHU
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 27-39 doi: 10.1631/FITEE.1700808
关键词: 人工智能;深度学习;可解释性模型
深度学习驱动的智能电网调度:综述 Review Article
黄刚1,吴飞2,郭创新3
《信息与电子工程前沿(英文)》 2022年 第23卷 第5期 页码 763-776 doi: 10.1631/FITEE.2000719
关键词: 人工智能;深度学习;电力调度;智能电网
从脑科学到人工智能 Review
范静涛, 方璐, 吴嘉敏, 郭雨晨, 戴琼海
《工程(英文)》 2020年 第6卷 第3期 页码 248-252 doi: 10.1016/j.eng.2019.11.012
回顾人工智能(artificial intelligence, AI)的发展历史,我们可以清晰地看到脑科学给AI领域带来的巨大突破,如深度学习。目前,尽管AI及其应用的发展趋势已经超越了人类的预期,但AI与人类智能之间仍然存在着难以逾越的鸿沟。从脑科学到AI、从了解大脑到模拟大脑,在脑科学与AI研究之间建立起一座桥梁已经成为一种迫切需求。为此,我们首先需要通过研究新型脑成像技术来探索脑科学的秘密,建立大脑的动态连接图谱以及将神经科学实验与理论、模型和统计学相结合等。在此基础上,我们将进一步研究新一代AI理论和方法,从而建立起从机器感知和机器学习到机器思维和机器决策的颠覆性模型和工作模式。与此同时,本文还将讨论在脑科学启发新一代AI过程中的一些机遇与挑战。
关键词: 人工智能,脑科学
医疗保健中的人工智能——综述与预测性案例研究 Review
荣国光, Arnaldo Mendez, Elie Bou Assi, 赵博, Mohamad Sawan
《工程(英文)》 2020年 第6卷 第3期 页码 291-301 doi: 10.1016/j.eng.2019.08.015
近年来,人工智能在软件算法、硬件实现和应用等领域得到了迅速发展。本文综述了人工智能在生物医学中应用的最新进展,包括疾病诊断、生活辅助、生物医学信息处理和生物医学研究。综述的目的是跟踪新的科学成就,了解人工智能在生物医学中的巨大潜力和相关技术的适用性,并为相关领域的研究人员提供启示。可以断言,正如人工智能本身一样,人工智能在生物医学中的应用尚处于早期阶段。本文以人工智能在癫痫发作和膀胱功能失调预测方面的应用的两个案例来说明其在生物医疗等方面的应用。
人工智能新方向:类人、机器、仿生和量子智能 Comment
李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO
《信息与电子工程前沿(英文)》 2022年 第23卷 第6期 页码 984-990 doi: 10.1631/FITEE.2100227
本评论回顾1998年提出的“一次性学习”(once learning,OLM)机制,和随后出现的用于图像分类的“一瞥学习”(one-shot learning基于目前人工智能(AI)研究现状,提出将其划分为以下子学科:人工类人智能、人工机器智能、人工仿生智能和人工量子智能。这些被认为是AI研发的主要方向,并按以下分类标准区分:(1)以类人、机器、仿生或量子计算为本的AI研发;(2)升维或降维的信息输入;(3)小样本或大数据知识学习。
中国人工智能的伦理原则及其治理技术发展 Review
吴文峻,黄铁军,龚克
《工程(英文)》 2020年 第6卷 第3期 页码 302-309 doi: 10.1016/j.eng.2019.12.015
伦理原则和治理技术对于人工智能(AI)的健康和可持续发展至关重要。为了实现AI造福人类社会这一长期目标,中国政府、研究机构和企业已经发布了AI的伦理原则,并启动了研究AI治理技术的项目。
人工智能算法在网络空间安全中的应用:技术与现状综述 Review
陈捷1,2,武丹丹2,谢瑞云2
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1117-1142 doi: 10.1631/FITEE.2200314
Han-Xiong Li, Haitao Si
《工程(英文)》 2017年 第3卷 第5期 页码 608-615 doi: 10.1016/J.ENG.2017.05.016
智能石油工程 Perspective
Mohammad Ali Mirza, Mahtab Ghoroori, Zhangxin Chen
《工程(英文)》 2022年 第18卷 第11期 页码 27-32 doi: 10.1016/j.eng.2022.06.009
数据驱动方法和人工智能(AI)算法比基于物理的方法更有前景,前者主要来源是数据,这是每个现象的基本要素。这些算法从数据中学习并揭示看不见的模式。这项新技术对每秒产生大量数据的石油行业具有重要意义。由于石油和天然气行业正处于向油田数字化的过渡阶段,在不同的石油工程挑战中,集成数据驱动建模和机器学习(ML)算法的动力越来越大。ML已广泛应用于工业的不同领域。
潘云鹤
《工程(英文)》 2016年 第2卷 第4期 页码 409-413 doi: 10.1016/J.ENG.2016.04.018
随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起,以及数据和信息在人类社会、物理空间和信息空间之间的交叉融合与相互作用,当今人工智能(AI) 发展所处信息环境和数据基础已经发生了深刻变化,人工智能的目标和理念正面临重要调整,人工智能的科学基础和实现载体也面临新的突破,人工智能正进入一个新的阶段。这个源于传统而又与之不同的人工智能新阶段被称为人工智能2.0(AI 2.0)。本文从人工智能60 年的发展历史出发,通过分析促成人工智能2.0形成的外部环境与目标的转变,分析技术萌芽,提出了人工智能2.0 的核心理念,并结合中国发展的社会需求与信息环境特色,给出了发展人工智能2.0
张建楠,李莹莹,周佳卉,朱烨琳,李兰娟
《中国工程科学》 2022年 第24卷 第1期 页码 198-204 doi: 10.15302/J-SSCAE-2022.01.021
科学的监管体系可以促进新兴事物的蓬勃和规范化发展。人工智能(AI)独立医用软件是人工智能时代赋能医疗健康领域的重要产物。随着人工智能的深入发展,人工智能独有的黑盒算法及自主学习能力引起了巨大的监管挑战。AI 独立医用软件的监管需要与时俱进,为最大程度降低人工智能医疗软件不良事件发生率和风险影响,我们亟待寻求更为科学合理的监管应对方案。分析总结了我国AI 独立医用软件监管在制度层面、支撑资源层面仍面临的一些问题与挑战,并针对上市后监管短板提出了措施建议:系统完善AI 独立医用软件监管制度,深化AI 独立医用软件监管支撑体系。以期能够为进一步完善我国AI 独立医用软件科学监管提供参考。
关键词: 独立医用软件,人工智能,监管科学
标题 作者 时间 类型 操作
蒸汽裂解建模中的人工智能——详细流出物预测深度学习算法
Pieter P. Plehiers, Steffen H. Symoens, Ismaël Amghizar, Guy B. Marin, Christian V. Stevens, Kevin M. Van Geem
期刊论文