- 年份
- 2024(9496)
- 2023(14061)
- 2022(11902)
- 2021(11164)
- 2020(9398)
- 2019(21272)
- 2018(21368)
- 2017(40920)
- 2016(22278)
- 2015(25266)
- 2014(25167)
- 2013(24558)
- 2012(22466)
- 2011(20170)
- 2010(20202)
- 2009(18492)
- 2008(18130)
- 2007(15777)
- 2006(13842)
- 2005(12274)
- 学科
- 济(84257)
- 经济(84161)
- 管理(66206)
- 业(65759)
- 企(54370)
- 企业(54370)
- 方法(39875)
- 数学(34098)
- 数学方法(33660)
- 中国(23613)
- 农(22795)
- 财(21147)
- 业经(19902)
- 学(19483)
- 技术(18547)
- 地方(16781)
- 理论(16610)
- 制(16557)
- 贸(15405)
- 贸易(15397)
- 农业(15123)
- 易(14945)
- 银(14439)
- 银行(14391)
- 和(14199)
- 务(14185)
- 财务(14113)
- 财务管理(14080)
- 行(13624)
- 环境(13450)
- 机构
- 大学(317394)
- 学院(315366)
- 管理(127182)
- 济(118701)
- 经济(115925)
- 理学(110046)
- 理学院(108843)
- 管理学(106887)
- 管理学院(106325)
- 研究(102914)
- 中国(77970)
- 京(67891)
- 科学(65513)
- 财(55367)
- 所(51504)
- 农(49422)
- 业大(47646)
- 研究所(47245)
- 中心(46690)
- 江(45552)
- 财经(44796)
- 北京(42961)
- 范(42311)
- 师范(41916)
- 经(40760)
- 农业(38767)
- 院(37660)
- 州(37430)
- 技术(34968)
- 经济学(34713)
- 基金
- 项目(219263)
- 科学(171887)
- 研究(160943)
- 基金(157867)
- 家(137938)
- 国家(136803)
- 科学基金(117221)
- 社会(99510)
- 社会科(94142)
- 社会科学(94114)
- 省(85736)
- 基金项目(84105)
- 自然(76936)
- 自然科(75136)
- 自然科学(75118)
- 教育(74326)
- 自然科学基金(73763)
- 划(72773)
- 编号(66157)
- 资助(64770)
- 成果(53696)
- 重点(49126)
- 部(47966)
- 创(46300)
- 发(46019)
- 课题(45753)
- 创新(43239)
- 科研(41747)
- 教育部(41068)
- 项目编号(40920)
- 期刊
- 济(127373)
- 经济(127373)
- 研究(92461)
- 中国(60002)
- 学报(50765)
- 科学(47435)
- 管理(45929)
- 农(44678)
- 财(40742)
- 教育(38693)
- 大学(38429)
- 学学(36085)
- 农业(31550)
- 技术(29847)
- 融(28019)
- 金融(28019)
- 财经(20966)
- 业经(20667)
- 经济研究(19611)
- 经(17689)
- 图书(17283)
- 科技(16873)
- 业(16392)
- 问题(16084)
- 技术经济(16075)
- 理论(15825)
- 版(15182)
- 实践(14691)
- 践(14691)
- 现代(14162)
共检索到454165条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 图书馆建设
[作者]
徐磊
生成式人工智能技术所生成的内容在质量、效率以及多样性等方面已经有了显著的进步。生成式人工智能技术的关键在于大模型，基础在于数据，核心在于算法，而实现则在于算力。当前，生成式人工智能技术伴随着数据信息泄露、模型算法安全、生成内容偏颇、技术违法滥用等风险。这些风险严重地影响着生成式人工智能技术的健康发展。因此，生成式人工智能服务提供者、生成式人工智能服务使用者、国家有关主管部门以及社会各界等多元治理主体应当共同参与和相互配合，在生成式人工智能技术研发和服务提供等全流程采取适当的治理措施，在有效应对现实违法行为或潜在安全风险的同时，最大限度地规范生成式人工智能技术及服务，推动生成式人工智能的创新发展。
[期刊] 中国科技论坛
[作者]
黄细江
相较于传统的管理型治理，网络空间更趋于合作型的多元治理。个人信息蕴含信息保护和信息自由，法律是最低要求和权威保障。我国个人信息保护宜形成以公法手段为主导的统一立法，尊重市场的多元选择，不可忽视个体承诺、行业自律等社群规范的内生激励，结合动态的技术发展，运用认证、标记、技术措施、组织措施实现全方位、全周期的设计，以此形成个人信息保护的交互架构，促进个人信息保护与数字经济的协同发展。
关键词：
个人信息 合作 隐私 代码
[期刊] 情报理论与实践
[作者]
漆晨航
[目的/意义]生成式人工智能改变了网络空间的信息生成模式，由人工智能生成的虚假信息不仅数量庞大且有高拟真性，有严峻的虚假信息风险，亟须从把握发展与安全平衡的角度提出生成式人工智能虚假信息风险的治理方法。[方法/过程]归纳生成式人工智能的虚假信息现实问题和未来风险，提出生成式人工智能对现有虚假信息治理体系的挑战，进而明确生成式人工智能虚假风险的治理路径。[结果/结论]机制建设层面，建立虚假信息协同治理机制，通过战略规划统一“虚假信息”的规范概念，并传导至法律制度与信息执法内容实践中。多元治理层面，鼓励多元主体参与事实核查工作，赋予信息发布与传播者以人工智能生成内容（AIGC）标识义务，并通过学校教育与资源渠道拓宽提升公民信息素养。科技方法层面，主要是生成式人工智能科技底层降低虚假信息风险，并要求生成式人工智能服务提供者配备必要的虚假信息鉴别科技和渠道。
[期刊] 科技进步与对策
[作者]
孙丽文 李少帅
人工智能在迈向产业化过程中会逐渐形成独特的创新生态系统,但同时也会引发风险危机和治理挑战,给创新生态系统稳健发展带来极大隐患,亟需对创新生态系统的风险治理进行深入探讨。从创新生态系统理论视角出发,聚焦人工智能技术产业化创新生态系统风险治理议题,根据风险诱发属性,将其归结为内生性风险(数据风险、算法风险)和外生性风险(算法歧视、算法滥用),并围绕治理主体、治理原则和治理路径3个方面建立风险治理体系,系统分析人工智能技术产业化创新生态系统的风险治理主体构成以及形成的多层次群落结构,分析和归纳出风险治理需要遵循的根本原则,并详细揭示内生性风险和外生性风险的具体治理路径,旨在为降低我国人工智能技术产业化过程中的风险,促进创新生态系统升级提供理论指导和有益启示。
[期刊] 云南民族大学学报(哲学社会科学版)
[作者]
李长健 杨骏
中国式现代化背景下，数字乡村治理和“中国之治”正在进一步结合发展，乡村治理面临“技术治理”赋能的新格局，需以技术改革推动治理能力的进一步提升。以ChatGPT为代表的生成式人工智能技术正是数字治理手段之一，其本身具有强大的自然语言对话能力、文本处理能力和可期待的全场景通用性应用能力，是未来数字乡村治理的重要手段之一。结合我国生成式人工智能赋能数字乡村治理发展实践，需看到其基础性风险、价值风险和预判性风险抑制了生成式人工智能的正向发展，应以利益共联机制、组织共生机制和风险共监机制化解主体关系、规则滞后和机制约束的不足，进而推动乡村振兴战略建设、乡村治理现代化的高质量发展。
[期刊] 科技管理研究
[作者]
王惠敏 蔡士林
"深度伪造"独有的仿生技能逐渐在医疗、教育等领域崭露头角,但也带来法律风险。基于各方利益的考量,应当采取以下措施,首先,法律层面而言,不宜扩大既存的违法犯罪圈,恪守法律谦抑性本色;其次,技术层面来讲,"自证"和"它证"结合,一方面要求"深度伪造"制作者标识作品属性,另一方面合作研发检测性时间戳工具;最后,平台层面而言,需要植入阶段化管理常态化的理念。
[期刊] 图书情报工作
[作者]
李旭光 胡奕 王曼 陆颖颖 冯瑄
[目的/意义]对人工智能生成内容（artificial intelligence generated content, AIGC）应用、风险及治理的研究，有助于把握人工智能未来的发展方向，为新兴主题研究提供参考与借鉴。[方法/过程]以中国知网、万方数据知识服务平台和Web of Science核心合集、ProQuest、ScienceDirect数据库为数据源，收集人工智能生成内容相关文献，分析AIGC在不同领域的应用现状及其风险，并提出AIGC的治理目标。[结果/结论 ] AIGC主要在医疗、新闻、学术、教育与艺术等领域取得一定成果，同时面临具有关联关系的来自技术、个人和社会3个层面的风险。本文通过构建“以人为本”的AIGC服务体系模型，从内部循环共生层面提出技术控制和个人提升的具体治理措施，从外部控制引导层面提出政策法规和社会引导具体措施，以指导生成式人工智能的设计、应用与发展。
[期刊] 会计之友
[作者]
王爱清 朱凯达
人工智能技术的出现和应用,为税收风险管理的创新提供了极为便利的技术平台和创新性思路。"人工智能+税收风险管理"在税务稽查筛选中极具优势,文章选择Bagging和SVM两种计算机算法预测逃税模型,构建了预测指标,快速且精确地对实例进行聚类,将出现明显异常的小类识别为异常,判断其存在税收风险。该模型可在税务稽查中筛选重点企业和可疑业务,以减少税收流失风险,提高税务稽查命中率。人工智能与税收风险管理的结合必将是未来提高税收风险管控水平的重要手段之一。
关键词：
人工智能 税收风险 风险管理
[期刊] 税务研究
[作者]
李为人 李斌
税收风险分析是税收风险管理的核心环节之一。本文通过分析人工智能和税收风险分析的基本性质,对在税收风险分析过程中引入人工智能的必要性和可行性进行了探讨,并就如何在税收风险分析中引入人工智能提出了建议。
关键词：
税收风险分析 人工智能 风险管理
[期刊] 价格理论与实践
[作者]
谭英平 孙婧
人工智能是第四次技术革命的核心，在推动经济社会发展的同时也对劳动力市场造成了冲击，并不断向第三产业渗透。为了更好地应对这一变革，本文基于2011-2021年省级面板数据研究人工智能技术应用对保险行业就业人员数量的影响，同时考察了其对发达地区和欠发达地区影响的异质性。结果显示：整体上而言，目前人工智能技术应用对保险行业就业人数的影响更多地表现为创造效应，且发达地区的当期效应强于欠发达地区，而从滞后效应来看，欠发达地区则更为显著。因此，建议推动保险产业数字化、智能化转型高质量落地；统筹实施保险科技人才战略，促进就业结构不断升级；重视地区差异，引导区域间人工智能协调发展。
关键词：
人工智能 保险行业 创新效应
[期刊] 开放教育研究
[作者]
张黎 周霖 赵磊磊
以ChatGPT为代表的生成式人工智能产品广泛应用于教育，技术客体在今日以生成式人工智能的形态向人类中心主义的知识和教育体系提出挑战，由此引发的主体性之痛逐渐显现。生成式人工智能的教育应用将在一定程度上引发主体思想的“工业化”、主体交互的“规训化”、技治主义的“宿命化”，进而遮蔽与压抑教育中的人、教育活动、教育系统的主体性。规避生成式人工智能的教育应用风险，超越教育的主体性之痛，可能的实践理路包括：坚守主体教育实践的理性遵循，培育教育主体的数字素养；构筑生成式人工智能教育应用的责任伦理体系，实现人与技术的共鸣；建立生成式人工智能教育应用的监管机制，提升教育系统的自我治理能力。
[期刊] 中国科技论坛
[作者]
孙丽文 李少帅
人工智能在创造巨大经济价值、引领产业变革同时也引发众多风险。从信任角度看,诸多风险问题都与技术信任密切相关,且风险情景下技术信任更加复杂并充满挑战。本文梳理提炼既有技术信任文献,从主导范式、能动主体、核心愿景、规制体系4个维度构建人工智能技术信任机制模型。研究发现:责任式创新能够为风险情景下的技术信任提供方向指示和行为准则并成为主导范式;技术信任核心愿景包括技术可用性、可靠性、可知性、可控性和可追责;技术信任机制建立需政府、行业组织、企业等主体共同参与;以法律为保障的风险防控体系和以伦理为导向的社会规范体系成为技术信任规制体系两大支柱。技术信任机制运行可概述为在责任式创新范式指引下,能动主体通过多元化协同塑造值得信赖的治理群落,核心愿景通过相互联结形成安全负责的技术体系,规制体系通过彼此融合提供刚柔并济的环境保障。
[期刊] 中国科技论坛
[作者]
徐东波
基于颠覆性创新技术的人工智能具有独特的科研驱动逻辑：通过催化驱动提升科学研究效率，通过协同驱动促进多维融合交互，通过算法驱动打破研究路径依赖。三重驱动逻辑的本质是某种形式化、程序化赋能，科学能否取得实质创新，关键在于科研人员、人工智能的创新潜质及两者的耦合交互水平。人工智能赋予科学研究新前景的同时，亦内隐多重潜在风险，如科研行动“道德失范”、研究过程“机械隐蔽”、形式创新“模糊真伪”、学术责任“无人承担”等。为降低驱动风险与提升驱动韧性，需要规制人工智能系统开发与应用，引导科研人员开展负责任创新，推进科学家与人工智能深度协同交互。
[期刊] 征信
[作者]
丁略涛
生成式人工智能凭借强大的自主学习能力、关联分析能力、结果输出能力，在征信领域具有提高信息输入效率、提升信用评估准确性、生成与解读信用报告、预知风险的应用潜能，但也面临着多重挑战。结合技术原理与征信领域的特性，可从输出结果的质量问题、数据泄露的安全问题、信息处理的合规问题三个方面剖析征信领域应用生成式人工智能的风险隐患。为平衡创新发展与风险防范，应在规范体系层面倡导目标导向式的框架性立法、以人为本确立基本原则，在治理主体层面倡导协同共治、多元参与，在监督管理层面倡导包容审慎的监管立场与分类分级的监管方式并行。
[期刊] 征信
[作者]
丁略涛
生成式人工智能凭借强大的自主学习能力、关联分析能力、结果输出能力，在征信领域具有提高信息输入效率、提升信用评估准确性、生成与解读信用报告、预知风险的应用潜能，但也面临着多重挑战。结合技术原理与征信领域的特性，可从输出结果的质量问题、数据泄露的安全问题、信息处理的合规问题三个方面剖析征信领域应用生成式人工智能的风险隐患。为平衡创新发展与风险防范，应在规范体系层面倡导目标导向式的框架性立法、以人为本确立基本原则，在治理主体层面倡导协同共治、多元参与，在监督管理层面倡导包容审慎的监管立场与分类分级的监管方式并行。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
