人工智能在疾病预测中的应用

首先介绍了人工智能在疾病预测中的应用现状和发展,包括公共卫生防控和个人疾病筛查及健康管理两个方面。接着分析了传统疾病预防方法存在的弊端,从数据源和技术方面综述了人工智能给疾病预测带来的突破和发展。最后,列举了人工智能技术在疾病预测中的应用。     

从基于逻辑的人工智能到社会智能的发展

本文从思维科学和系统科学交叉发展的观点回顾人工智能半个世纪发展的历程它经历了以“物理符号系统”为假设的传统人工智能(逻辑思维的模拟);人工神经网络为代表的分布式人工智能(形象思维的模拟);现场人工智能(逻辑思维、形象思维与运行环境相结合的模拟);智能体技术、人工社会研究所涌现的社会智能(社会思维和群体智慧与运行环境相结合的模拟)。钱学森于1990年发表了开放的复杂巨系统及处理这类系统有关复杂问题的方法论,接着提出我们要研究的不是智能计算机,是人机结合的智能系统,以此为基础,建立了信息空间综合集成研讨体系(CyberspaceforWorkshopofMetasyntheticEngineering),为社会智能涌现提供了可操作的技术平台[1]。     

计算行为学研究进展

20世纪的行为学研究通过在自然状态下和受控的实验室条件下的观察揭示了动物行为的众多本质特点.但这两种途径都存在各自的局限,不能完全满足动物行为学研究发展的需要.近年来,计算技术的发展与突破给行为学研究带来了新的机遇,"计算行为学"这一新兴学科正在形成.计算行为学的发展、完善和应用使得高效量化分析动物行为成为可能.本文对计算行为学的发展历史和前沿进展进行了系统梳理和总结,介绍了人工智能技术用于动物行为分析的基本概念、方法和应用场景.此外,还对计算行为学在行为的神经机制解析和神经精神疾病诊断方面的应用进行了概述,分析了目前该领域所面临的挑战与机遇,希望能为行为科学、脑科学,以及神经精神疾病的临床转化研究提供参考.     

活动地块理论框架下的地震物理预报展望

中国大陆强震孕育发生的关键科学问题主要包括:从板块到断层应力加载动力学过程、区域强震活动时空演化动力学过程、大陆强震原地复发动力学过程等.上述问题在活动地块理论框架下,基本研究方向可分为周边板块边界动力加载、活动地块划分及其变形机制、活动地块边界带与区域强震演化、大陆型强震原地复发动力学模型.相应地,中国大陆型强震物理预测研究的重点研究内容主要包括:(1)从板块到断层应力的加载过程,明确大陆强震孕育发生的动力来源;(2)基于震源物理模型,研究大陆型强震变形机制,为强震地点和震级预测提供支持,可称之为基于震源物理模型的综合概率预测;(3)大陆型强震复发动力学过程以及强震破裂动力学过程,为时间物理预测提供依据,可称之为强震动力学概率预测;(4)区域断裂系统与强震时空演化,分析区域强震成组时空演化及动力机制,实现区域强震成组活动和单个断层强震的物理预测.本文根据国内外研究进展和我国地震预报业务现状,对我国大陆强震孕育发生的现象或规律进行梳理与总结,尝试描述活动地块理论框架下的地震物理预报工作方向,期望能为我国地震物理预报起到抛砖引玉的作用.     

类脑智能引导AI未来

人工智能是否要“类脑”以及如何“类脑”是人工智能发展中颇具争议的问题。结合在仿生视觉及人工智能领域多年的研究体会,阐述了类脑智能研究的意义与方式,讨论了现阶段人工智能与类脑智能的异同,发表了对未来人工智能发展的一些看法。基于对类脑智能的以上看法,作者及团队将研发智能、感知和操控功能兼备的“机器头脑”,以探索机器自主智能的发展。     

论地理系统模拟基本模型*

地理计算模型和地理信息系统（GIS）的集成是实验地理学研究急需解决的技术难点。地理系统丰富的内容、复杂的结构和功能的多样性,给人们分析、模拟地理系统带来了挑战。本文针对众多地理计算模型侧重表达、地理分析,多方法应用、众多模型无法筛选等现状, 从计算地理学、地图学、地理信息科学等前沿需求出发, 将地理系统模拟的基本模型归纳为在GIS平台支持下由点[CD*2]多智能体（AB）、面[CD*2]元胞自动机（CA）、流[CD*2]系统动力学（SD）构成的地理系统模拟基本模型,并探讨了地理系统模拟基本模型的框架、结构与通讯,深入解析了各模型的原理、集成的关键技术与应用途径, 为地理系统模型进一步发展及地理系统模拟平台研制与开发提供参考。     

踏踏实实地研究人工智能

今天人工智能的巨大成就表现在机器学习上取得了突破性的发展及"智能+"推动了人工智能的普适应用。人工智能成为世界科技发展的一个新高地,各国对此都作出战略布局。同时,人工智能的发展也向我们提出了新的挑战,在伦理、社会治理等方面引入了新的课题。在展望人工智能光明前景的同时,我们也要清楚地认识到:人工智能,特别是机器学习,它基本的方法、基本的思路还是比较简单和粗糙的。现在的人工智能是着重于智能外延的人工智能,也就是说着重于模拟人的智能的外在功能,而人工智能的发展还有待于在智能内涵的理解上的不断进展。本文就此对人工智能的发展作一个抛砖引玉的讨论,也对机器学习的研究方向作探讨。     

人工智能:概念·方法·机遇

人类一切有意识的活动(特别是创新性活动),都是在人类智能的支配下展开和完成的.人工智能科学技术的研究目标,正是要探索人类智能(自然智能的最佳代表)的工作机理,在此基础上研制各种具有一定智能水平的人工智能机器,为人类的各种活动提供智能服务.可见,人工智能的进步将带动人类的科技、经济、社会、文化、军事等各个领域的创新发展,正因为如此,各国(特别是发达国家)都高度重视人工智能科学技术的研究.在这种背景下,认清人工智能的发展趋势和规律,抓住机遇加快我国人工智能的发展,对我国的现代化建设将具有重大的现实意义和深远的战略意义.     

本期专题简介

正人工智能(Artifical Intelegence, AI),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年人类历史上第一次关于人工智能的研讨会的召开,标志着人工智能学科的诞生。经过60多年的发展,随着深度学习技术瓶颈的突破,人工智能的研究浪潮汹涌澎湃。人工智能与大数据、云平台、机器人、移动互联网及物联网等的深度融合,使得人工智能技术与产业开始扮演基础性、关键性和前沿性的核心     

智能制造研究热点及趋势分析

随着人工智能和信息科学技术在制造业的广泛应用,全球越来越多的科研学者将研究方向聚焦于智能制造领域.以Web of Science核心合集数据库1987～2017年收录的1370篇智能制造领域的研究文献为对象,利用VOSviewer分析工具,给出了智能制造的3个发展阶段,对智能制造领域研究的发展状况、相关国家的发文数量、研究热点技术以及趋势变化进行了分析.结果表明:智能制造在2013年后进入了飞速发展时期;智能制造的发展内涵主要经历了从数字化到网络化再到智能化的过程;智能制造中新兴的热点技术有云计算、大数据、物联网和信息物理系统(CPS)等.本文将为我国科研学者在今后智能制造领域的研究提供参考.     

量子人工智能：量子计算和人工智能相遇恰逢其时

量子人工智能，是由量子计算和人工智能交叉发展起来的新兴学科和技术。过去几十年来，量子计算和人工智能技术各自经历了起起落落、螺旋上升的发展历程，而现在正逐渐落地，有望给人类的技术革新、生产和生活带来颠覆性改变。我们正迎来二者深度交叉的最好时机，一个量子人工智能研究的最好时代！     

二维材料在人工智能中的应用

二维材料是构建神经形态器件并实现低功耗、微型化和规模化集成的首选材料体系。文章对二维材料在人工智能领域的应用现状、优势和面临的问题进行了简要评述，并对其发展趋势进行了展望。     

浅谈基于深度森林的年龄估计

人工智能和深度学习越来越多地进入到我们的日常生活。自动人脸年龄估计是人工智能领域的一个热门研究问题,并随着社交平台和社交媒体的兴起越来越受到人们的关注。从基于传统人工智能技术和基于深度学习的两个方法对人脸年龄估计进行了介绍,并着重对基于深度森林的年龄估计进行了阐述。     

量子计算与人工智能

文章探讨了量子计算在人工智能中的一些潜在应用，并回顾量子理论与人工智能之间的相互作用。通过介绍一些著名而简单的量子算法，让读者了解量子计算的能力。此外，文章对量子计算做了一个简单的概述，使读者对量子计算有一个全貌的认识。对于AI研究人员来说，此文将会是一座更加深入地探索AI与量子计算以及量子理论之间联系的桥梁。     

可靠性地理国情动态监测的理论与关键技术探讨

地理国情是一个国家的社会性质、政治、经济、文化等方面的空间化、可视化的国情信息.可靠的地理国情关系到国家重大决策的正确性.地理国情监测是中国2011年制定的一个新的国家发展方向,迫切需要提出相应的技术支撑体系.本文分析了可靠性地理国情动态监测的基本概念,提出了地理国情动态监测的总体研究框架,探讨了可靠性地理国情动态监测的可靠性分析与质量控制、时空动态建模等理论和方法,研究了空天地一体化的地理国情监测体系构建、可靠性非空间信息的空间化表达、可靠性地理国情动态变化检测、地理国情时空数据动态更新与一致性维护、地理国情动态监测数据的可靠性综合分析、地理国情动态监测的可靠性空间数据挖掘、地理国情监测辅助决策建模、可靠性地理国情监测的云计算框架、地理国情可视化技术、地理国情监测中的GNSS和手持终端技术、可靠性地理国情总动态评估技术等关键技术,并总结了地理国情动态监测需要解决的核心问题.     

深度模型水印

深度神经网络模型凝结了设计者的智慧，需要消耗大量数据和计算资源，是人工智能技术的重要产出物，已被广泛应用于生产和生活当中。然而，作为一种数字产品，如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智能产业化进程中必须面临和解决的难题。文章主要介绍基于数字水印的深度模型产权保护技术，通过总结深度模型水印的发展现状，对深度模型水印的研究趋势进行展望。