模糊环境下基于信息熵风险度量的投资组合模型

研究了模糊环境下的投资组合模型,将证券的收益率描述为模糊变量,运用信息熵度量投资风险,分析了模糊熵度量模糊环境下的不确定性的优点,提出了模糊环境下基于信息熵风险度量的投资组合模型,设计了基于模糊模拟的混合智能算法对具有模糊收益的投资组合模型进行求解.     

不确定条件下供应链网络鲁棒优化与算法

在市场需求和成本的不确定条件下,文章整合供应商选择、设施选址和能力规划,建立供应链网络设计的鲁棒优化模型,分析了鲁棒优化模型的可行性,并将随机模拟和双层遗传算法相结合,提出了模型求解的混合智能算法.算例表明模型和算法是有效可行的,并且运用鲁棒优化模型进行供应链网络设计能够有效地降低企业的市场风险.     

试论智能算法主体化

数字文明社会孕育着智能算法主体化的现实需要，ChatGPT的问世尤其强化了这种需要。主流观点对智能算法主体化或限制或否定，其目的在于维护基于康德人类中心主义哲学建立的现代法律制度，但已难以满足当下社会关系复杂化和多元化的现实要求。现有法律制度剥夺智能算法的责任能力和歧视智能算法，对此，应当建立智能算法责任能力保障制度。因为深度学习能力使智能算法具有认知能力和朦胧的独立意识，而法律须具备前瞻性，应当将智能算法视为法学领域之延伸和规则外化，构建“增进式”的智能算法法律人格授予机制，实施常规动态管理。主体资格之实质审查当以伦理审查为重点，以“五大原则”为纲领，构建系统化的伦理审查机制，实现道德施治常态化。     

生成式人工智能应用的意识形态风险：命题由来、生成机制与治理进路

相较于西方的“非意识形态论”与“技术统治论”,马克思对于机器应用“异化”的观点更适于用来诠释由生成式人工智能应用所产生的意识形态风险命题。基于应用场景与因果关系的不同，可将生成式人工智能应用的意识形态风险划分为原发性风险、继发性风险和并发性风险。原发性风险是基础应用场景下的风险，发端于“算法钢印”风险因素，会在社会意识生产领域引发“逆向驯化”的风险事故，最终将导致“认知茧房”的风险损失，对此应以“技术规驯”为核心开展治理。继发性风险是恶意应用场景下的风险，以“智能仿真”风险因素为技术条件，会导致“把关失效”的风险事故，最终将发生“价值失衡”的风险损失，对此应以“全链监管”为核心加以治理。并发性风险是技术应用的附随风险，生成于危及人类地位的“主客异位”风险因素，其以“解构传统”的风险事故瓦解人类价值观，最终将导致“信仰迁移”的风险损失，对此应以“价值巩固”为核心进行治理。     

人工智能驱推高校思想政治教育变革:技术逻辑、价值遵循与目标旨归

作为新一轮科技革命的典型代表,人工智能为高校思想政治教育变革提供了新契机。从技术逻辑角度看,人工智能驱推高校思想政治教育变革遵循数据驱动、算法引领、智能融合三重逻辑。随着人工智能在高校思想政治教育领域的广泛应用,人工智能技术逻辑蕴含的科技伦理也内嵌于高校思想政治教育全过程。为此,高校思想政治教育不仅应具备知识传授、思想引领、观念塑造的育人目标,还应对人工智能嵌入可能引发的安全、隐私、透明与开放等问题作出积极回应。人工智能驱推高校思想政治教育,有利于建立开放式、集约化、智能型的高校思想政治教育,以更好地实现智能时代高校思想政治教育立德树人的发展目标。