AIDR 技术在优化婴幼儿胸部 CT 扫描方案中的应用价值

该研究是探讨自适应迭代剂量降低重建技术（adaptive iterative dose reduction ,AIDR）在婴幼儿胸部 CT 扫描中的应用。本研究从拟行胸部 CT 检查的患儿中随机选取40例,分成 A 与 B 两组,A 组管电压为80kV ,用 AIDR 重建技术;B组为100kV ,用滤过反投影重建技术（FBP）。比较 A 、B 两组 CT 值、标准差（SD）、信噪比（SNR）、对比信噪比（CNR）、CT容积剂量指数（CTDIvol）、剂量长度乘积（DLP）及辐射剂量。该研究所得到的 A 、B 两组的图像质量评分、CT 值、SD 、SNR 、CNR 差异均无统计学意义。 A 组较 B 组辐射剂量降低。所以本研究认为在婴幼儿胸部扫描中采用80kV 加 ADIR重建,图像质量能达到诊断要求,且可降低辐射剂量。     

HO-DINA模型的MCMC参数估计及模型性能研究

认知诊断目前在国内外越来越受到重视,而要真正实现认知诊断,需借助一定的计量学模型即认知诊断模型。国际上,目前已开发近60种认知诊断模型,不同模型又各具特点。本研究重点分析国外研究较成熟的模型--HO-DINA/DINA模型,具体探讨该模型参数估计的实现及模型性能,采用Monte Carlo模拟方法进行,研究发现：(1)本研究对项目参数、属性参数和被试参数估计返真性较好、稳健性较强、HO-DINA模型具有较高的判断率,MCMC算法可行;（2）诊断的属性个数越多,诊断的模式正确率越低,建议实际使用该模型时,诊断的属性个数不宜超过7个;（3）用于诊断的项目数越多,诊断的模式正确率越高,在实际工作中,若要保证有80%以上的模式判准率,则4个属性的至少需20题,5个、6个和7个属性的至少需要40题,8个属性至少需60题。实际运用者应根据实际情况考虑适当的项目数及属性数。     

人工智能发展中的“智能透明”问题

在人工智能发展的伦理规制中，透明原则是其他伦理原则的前提性基础。在专用人工智能发展阶段，透明原则规制的合理性勿庸置疑。但当人工智能向通用化发展，对于自主进化的智能算法，透明原则就不仅不再合理，而且会逐渐进入一个实践困境。作为通用人工智能研究的内在要求，通用机器智能发展的透明原则隐含着某种内在的悖理性：智能的通用化意味着自主进化，而智能的自主进化则意味着走向不透明。当然，这一内在悖理性并不意味着人工智能通用化发展的“死结”,而是解释和诠释内在关联的人工智能发展呈现。它意味着人工智能伦理维度的更高层次，意味着智能算法发展过程中算法伦理诠释学理解的必要性。人工智能发展中的“智能透明”问题集中体现了这一点，其理解进路和解决之道就在于，随着智能算法自主性的发展不断纵深引入诠释机制，构成更高层次的双向循环理解过程。     

价值哲学视域中的算法歧视与社会公正

算法是以数据为基础资源，以解决问题、完成任务为目标导向的策略机制和运行程序，是人工智能的“中枢神经”和“灵魂”,它本身并不是“价值中立”的。在通过机器学习之类技术采集、存储、分析数据，进而进行自动化决策时，算法设计、编写的主体立场，支撑和训练算法的数据的来源和准确性，算法内蕴的价值负荷和价值选择，特定价值主体基于算法的行为倾向性，以及智能系统的自主评价和决策，都可能导致一定程度的算法歧视，影响社会公正的实现。相较人们熟悉的社会歧视现象，算法歧视更加广泛、多元，更加精准、有针对性，也更加隐蔽、“巧妙”。只有在社会智能化进程中，确立全体人民的价值主体地位，将公正价值观“内嵌”到智能算法之中，并建立动态的评价、监督机制，才能对算法歧视进行必要的规制，重构智能时代公正的社会秩序。     

算法的认识论逻辑

作为计算机科学、数据科学和人工智能基本内核的算法显现出独特的内在演进逻辑。对这种逻辑的分析和阐明不仅有助于澄清算法的认识论本质，而且有必要和可能建构某种算法认识论来深入思考它的发展和变革。基于不同理论框架对算法所作的一些定义、解释和反思已经提出了关于算法的三个重要认识论问题。第一，算法无论是作为结构化编程还是一种社会-技术系统，为何都存在着认识不透明性。第二，AlphaFold的出现是否表明算法完全可以成为一种科学发现新逻辑。第三，算法的形式化推理能否超越像常识这样的非形式逻辑而变得更加“智能”。从对这三个问题的分析和论证中可以得出算法认识论的三个基本论题：局部认识透明性、算法发现逻辑和常识融合方法。     

对算法边界的哲学反思

数据主义常常将数字化解读为事实本身。然而，算法依据不同目的产生，成为承载经验世界不同解读方式的“兔子洞”。算法因其内在的逻辑，不能为问题、数据、解释负责，却又因技术对日常生活的嵌入而架构起权力的凝视。算法所制造的边界不断设置新的社会规范和行动准则。算法广泛的商业化运用，使用户有可能成为“机器控制主义”的合格产物，从而导向资本利益的最大化。破除算法神话的关键步骤是对算法本身进行“祛魅”。将算法规制引向健康有序的方向，需要从社会属性、数据类型以及实现方法三个层面入手，建立有效且富有反思性的数据科学方法。     

数字时代的政治

自由、平等、民主、法治、公正是社会主义核心价值观中的五项政治价值，也是规范现代国家政治秩序的共同价值。在数字时代，这五项政治价值的内涵及制度形式被进一步拓展：第一，传统的积极自由理论与数字技术相结合有导向数字独裁的危险，而消极自由理论在数字时代意味着网络言论自由、网络结社自由、数字所有权、数字遗产、断网权等新形式的数字权利。第二，数字时代有着诸多加剧不平等的因素，例如数字鸿沟，人工智能广泛应用导致的失业大潮，数字资本对数字劳动的剥削，零工从业者缺乏劳动保障，以及数字经济中可能存在的花钱买流量、低价竞争、竞价排名等不正当竞争形式。对于数字时代的不平等问题，应通过社会分配制度的调整予以解决。第三，电子选举、网络协商民主以及舆情民主是数字民主的三种主要形式，电子选举使投票程序更为快捷，网络协商民主拓展了公共商谈的广度和深度，舆情民主则有可能扭曲民意、颠覆代议制民主。第四，数字时代的法治在立法和执法两方面都有实质性的演进，人工智能开始介入立法和执法，而大数据应用则催生了“预测警务”。第五，数字时代的程序正义集中体现为算法正义，平等、公开、准确、尊重和可问责是判断算法是否正义的根本标准。     

生态学智力：人类的推理算法对频率的适应

从生态学智力的角度分析了人们的直觉推理与贝叶斯定理相矛盾的原因，指出人类的推理算法是与自然频率而不足相对频率(概率和百分比)相适应的，并以医生对乳腺癌发病率的直觉推理和心理学领域认知错觉的研究，进一步说明了人类的推理算法是为自然频率而设计的理论构想．     

认知诊断测评中缺失数据的处理：随机森林阈值插补法

认知诊断测评中缺失数据的处理是理论和实际应用者非常关注的研究主题。借鉴随机森林插补法(RFI)不依赖于缺失机制假设的特点,对已有的RFI方法进行改进,提出采用个人拟合指标(RCI)确定插补阈值的新方法:随机森林阈值插补方法(RFTI)。模拟研究表明,RFTI在插补正确率上明显高于RFI方法;与RFI和EM方法相比,RFTI在被试属性模式判准率和边际判准率上表现出明显优势,尤其是非随机缺失和混合缺失机制,以及缺失比例较高的条件下,其优势更加明显。但对项目参数的估计, RFTI方法与EM方法相比不具有优势。