智慧图书馆体系，助力全国公共图书馆智慧化升级 和服务效能提升 [2] 。图书馆作为公共文化服务的 主力军，一直都承担着满足用户文化和信息需求的 职能，应在内容、形式、平台和技术等方面统筹用 力，把握大语言模型带来的机遇，实现公共文化服 务的高质量供给 [3] [1 ] 中 国 政 府 网 . 习近平：高举中国 特色 社会 主义 伟大 旗帜 为全面 建设社 会 主 义 现 代 化 国 家 而 团 结 路 径 探 析 —— 以 扎 耶德 大 学 图 书 馆 为 例 [J] . 图书馆学研究 , 2 0 23(12): 3 4 - 43. 大语言模型（ Large Language Model ， LLM ）作 为 人工智能领域的重大突破，标志着自然语言处理技 术迈入新阶段。以 ChatGPT 为代表的一系列大语 言模型作为新型内容生产工具应运而生，快速被为 数众多的用户接受。截至 2023 在全球约有 1.8 亿用户 [1] ，国内的文心一言也完 成了 37 亿次文本创作任务，生成 3 亿行代码，基 于文心一言的星河社区已开发了超过 4000 个 AI 应 用 [2] 。 GPT 类大语言模型具备多模态、高效率的自动生 成方式，能够驱动各行各业的变革与发展，其中包 括为图书馆服务创新提供技术支撑 [3] 背景

机器中，让机器来具备了感知、思考、 决策的能力。 2. 什么是人工智能？ 人工智能基本概念 1950 年，图灵在论文《计算机器与智能》中提出图灵测试，将机器智能定义为 “若 机器能通过自然语言对话让人类无法区分其与人类，则具备智能” 。这一测试方法 至今仍是衡量 AI 智能水平的重要标准，例如 ChatGPT 等大模型均以通过类似测 试为目标。 图灵通过图灵测试与图灵机构建了人工智能的理论框架，其密码学实践与哲学思 为 AI 计算优化的芯片，能够高效处理大量数据和复杂的算法。 1. 人工智能的关键技术 机器学习 深度学习 强化学习 智能芯片技术 基础算法技术 二 、关键技 术 计算机视觉 自然语言处理 语音处理 多模态分析推理技术 1. 人工智能的关键技术 感知技术 二 、关键技 术 人工智能研究的三个门派 符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源 相关技术 的关注与学习。 AI 的“ iPhone 时刻 ” 大模型的基本概念 大型语言模型 ( 又称 : 大语言模型、大模型 , 英文 :Large Language Model, 缩写 LLM) 是在大量语料库上训练 的机 器学习模型 , 使用自监督或半监督学习在大量未标记文本上训练数十亿个参数。大模型在语言理解方面表现出 非凡的能力 , 也能够执行从情感分析到数学推理的各种任务。 大模型与搜索引擎有着本质的不同

人工智能产生的构建包括数据资源、计算引擎、算法、技术、基于人工智能算法和技术进行研发及拓展应用的军事 应用领域 人工智能技术 • 人工智能技术是人类在咯用和改造机器的过程中所掌握的物质方法 ，包括自然语言处理、语音识别、计算机视觉等 传统意义上的 AI 技术， 同时还包括具备智能信息处理的海量数据、超复杂性、实时性等暂时还未触及的智能技术 20 世纪 50 年代到 70 年代初 ，人们认为如果能赋予机器逻辑推理能力 1992 2006 2012 2016 2018 机器学习期 计算机从数据中学习算法 深度学习在语音、图像、 自然语言处理领域大获成 功 个百分点夺冠 ImageNet Hinton 发表深 度学习的文章 莱第五代计算机 - 人 工智能计算机 - 由于 技术路线明显背离计 算机工业的发展方向 项目宣告失败 突破计算能力和 存储空间的限制 ，实现近乎实时的计算和存储能力。 云计算已经将人类稳稳地送上了第一级台阶。 感知智能： 机器能 够听得懂、看得清、 辨得真 ， 并与人直接交流对话。 以大数据为基础的自然语言理解、 图像图形认知、 生物特征识别 技术 ，让人类走上了第二级台阶。 认知智能： 机器能够理解人类的思维 ，像人类一样进行思考、 推理、 判断与决策。 以深度学习算法为驱动的知识挖掘、 知识图谱、

框架技术 .............................................................................130 7. 超文本标记语言 .........................................................................131 8. NET REMOTING Server 2008 企业版； (2)数据库软件： Oracle10g 或 Oracle 11g; (3)WEB 服务器：IIS6.0 或 IIS7.0; (4)开发语言： ASP.NET4.0。 第 3 8 页 共 1 3 3 页 oW SM DB WS 信息资源运行管理 位息资源质最管理 信息资源标准管理 信点资源注册管理 风险评估 分级预警 处置对策 数据访问中间件具体负责和数据库交互，管理对数据库数据的 读写。DBMS 必须能迅速执行大量数据的更新和检索。现在的主流 是 关系数据库管理系统(RDBMS)。因此， 一般从功能层传送到数 据层 的要求大都使用 SQL 语言。本系统需要访问 Oracle 数据 库。 第 4 1 页共 1 3 3 页 警务云计算环境 移动警务终端 派出所 查询 统计发送接收 数据应用 业务资源库 数据服务

在遇到远程内存访问时无需阻塞， 并将代码自动拆分为多个可异步调度的小单元，通过高效的协程调度机制实现远程访问的高并发和低开 销，以最大程度地保持数据局部性。Beehive 进一步借助 Rust 语言的类型系统自动将传统同步代码转换 为异步代码，极大简化了开发者的编程负担。通过这些创新，分离式运行时不仅让应用能够像使用本地 内存一样灵活高效地使用远程内存，也显著提升了资源利用率和整体性能，为云数据中心的弹性计算和 语义算子 自调优/诊断 AI数据库 LLM 图 1.9: 面向 AI 场景的 PaaS 数据平台层技术概览 1.3.1 面向智能应用的 Serverless 计算平台技术 在数字经济加速渗透、以大语言模型和 AI Agent 等为代表的智能应用广泛落地的当下，云计算行业 正处于向智能泛在云转型的关键时期。天翼云作为国家云基础设施建设与服务提供的主力军，既要满足 海量的内部业务（如智能客服、智 推理的数据基础设施。 • AI Inside 数据平台：阿里云百炼开源面向 Java 开发者的 NL2SQL 智能体框架 [63]。阿 里云瑶池数据库团队推出的面向企业用户的数据分析智能体，可以根据自然语言描述 进行需求分析，自动完成数据理解，并基于数据理解提出分析需求。Oracle 数据库支持 自动索引创建和销毁的生命周期管理能力 [64]。 • AI Infra 加速数据平台：阿里云瑶池数据库团队基于推出了基于

IFLA 发布《图书馆人工智能引入指南》 上海图書 館 SHANGHAI LIBRARY AI 的 14 条潜在风险 对已证实益处的过度夸大以及炒作。不准确和误导性信息。 偏见。对文化与语言多样性以及不同知识体系的尊重构成威胁。 AI 被滥用以制造虚假信息、误导性信息和进行审查。 获取机会不平等。缺乏可解释性和透明度。 对隐私和安全构成威胁。对版权和作者权利构成威胁。 缺乏对利益相关方的咨询。对人类自主性的威胁。 感知能力 认知能力 执行能力 规划能力 L1 ( 部分自动化 ) ” 所见即所得”的感 利用大量人类监督信 知，处理单一模态下 号获得的一定程度的 的相对简单的数据类 理解语言、利用语言 型，应用于简单场景 人机交互能力 静态地执行特定的 预定义的任务。涉及 少量的、简单串并联 的流程节点 L2 ( 有条件自动化 ) 多模态感知能力，能 处理更广泛的数据类 型，应用于更多样 有规 划者、检索者和评估者进行沟通以实 现共 同目标 ( 会有多个基础模型 ) 。他们 表现出 持久记忆、自适应规划和多智能体 协作。 AI 智能体 (AI Agent) 是由大 型 语言模型 (LLM) 驱动的单实体 系统。它们专 为 特定于任务的执行 而设计：检索数据、调用 API 、 自 动化客户支持、筛选电 子 邮件 或汇 总文档。这些智能体使用工 具并通

正的价值在于解决具体问题。 当公司在没有明确商 业案例的情况下追逐 通用的AI转型时，这 仍然大多处于实验阶 段。构建没有明确定 义的用途的聊天机器 人，没有所有权的试 点，或与运营脱节的 大型语言模型实验。” 7 3 2024 202" 202& 202) 202- 3 2024 202" 202& 202) 202- 2026趋势报告：数据与人工智能 人工智能采纳进化 人工智能采纳进化 公司拥有的数据和知识没有很好地集成。对于许多 许多公司低估了与人 工智能合作所需付出 的努力及其固有的不 一致性所导致的不稳 定性，特别是在业务 关键流程中。它不能 简单地实施并期望立 即取得成果。” 尽管每个人都追逐大型语言模型和生成式人工智能，但有几项关键技术和方 法虽然对未来很重要，却仍然被低估。 基于逻辑。人工智能是概率型的（90%的结果就是好结果），而生成式人 工智能完全不懂逻辑。当每个人都发起100个人工智能项目而大多数失败时 语义建模和知识图谱：简化统一数据平台，消除数据孤岛，同时确保对整 个数据资产的数据治理、血缘关系、元数据、安全和质量层的一致性至关 重要。系统化的知识管理、知识图谱和语义模型方法作为数据驱动的大型 语言模型和代理用例的关键使能者。 质量不足 ata 资源/ 不充分 投入资源/ 治理缺失 框架治理 11 2026趋势报告：数据与人工智能 人工智能治理与监控工具 获取与业务战略一致的数据战略，然后专注于创造

，低空具身智能面临“不可靠” ，“不精准”和“不可控”的挑战 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务 语言指令与场景理解不稳定 ，任务 目标识别易偏差 端到端决策难以解释 ，对突发场景 响应不足 ，系统级可靠性难以保 障 动作生成误差导致无人机机械臂操作效率低下 无人机并未导航至目标点就提前停止 万条轨迹指令， 是当前最大真实 感 VLN 语料 Travel UAV 发布 12k 条 6-DoF 轨迹 ，用于研究语 言辅助规划与控制协 同 VLD 首个面向 无人机 终端投递场景的 视觉语言导航数 据集 AerialVLN AirSim+Unreal 渲 染 25 座城市 ， 8k 人 类指令轨迹对 正加速推动群体智能 以 MDOT 为代表的单一视觉感知出发 ，群体智能正实现向复杂具身推理的跨 以及灰白色的建筑后 ， 目的地 就在你进入新街道前的一丛灌木。 大 语 言 模 型 语言编码器 感知理解 动作执行 你快到了。 目的地就在你右方 我离目的地近了吗？ [act] [que] LLM 预测头 进程 Δh 图像编 码器 语言输出 我离目的地近了吗？ 多模态 大模型 动作解码器 场景理解语义 飞行控制执行

吴文俊人工智能科技进步奖一等奖 l 吴文俊人工智能优秀青年奖 l 天津市自然科学一等奖 l 黑龙江省自然科学一等奖 l 天津市科技进步奖二等奖 l 中国智能交通协会科技进步奖二等奖 l 2022 CVPR 视觉语言多模态挑战赛冠军 l 2023 CVPR 开放世界目标检测挑战赛冠军 l 2024 昇腾 AI 创新大赛天津区域决赛高校赛道金奖 空军“无人争锋”挑战赛冠军 基础平台建设 构建了国内外广泛使用的无人机视觉基准数据平台 数据基座 感 - 策 - 控一体化构建 仿真－物理具身数据基座 大规模低空数据平台 支撑无人机全天候感知 多智能体自主交互 建立集群协同数据基准 视觉－语言－导航 (VLN) 多模态动态感知 多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二

042 1.3 重点热点前沿⸺“全切片病理图像的弱监督深度学习框架” 045 2. 新兴前沿及重点新兴前沿解读 048 2.1 新兴前沿概述 048 2.2 重点新兴前沿⸺“人工智能大语言模型 ChatGPT 等在医疗健康领域的应用” 049 生物科学 1. 热点前沿及重点热点前沿解读 051 1.1 生物科学领域 Top 10 热点前沿发展态势 051 1.2 重点热点前 泌尿与胃肠等外科的临床应用、人工智能大语言模型 ChatGPT 等在医疗健康领域的应用四个方面，其中“人 工智能大语言模型 ChatGPT 等在医疗健康领域的应 用”前沿群包括四个新兴前沿，分别关注人工智能大 语言模型 ChatGPT 等在放射学、眼科、耳鼻喉科、护 理等医疗健康领域的应用（见表 24）。综合 CPT 指标、 前沿发展潜力及科技情报研究人员的判断，最终选取 “人工智能大语言模型 ChatGPT 8 3 人工智能大语言模型 ChatGPT 等在专科医疗场景中可靠性、适 用性及边界的系统性验证 12 245 2023.8 4 人工智能大语言模型 ChatGPT 等在放射学领域的临床应用潜力 与局限性 17 492 2023.7 5 新型模块化手术机器人系统（Hugo 等 ) 在泌尿与胃肠等外科的 临床应用 11 220 2023.7 6 人工智能大语言模型 ChatGPT 等在眼科疾病分类、诊断、护理、