凤凰彩票_凤凰彩票

杀出一条“雪”路******

　　寒风呼啸，身着白色伪装衣的武警特战队员脚踩滑雪板穿行于林海雪原间，在运动中瞄准、击发、命中目标。

　　“成绩有效！”对讲机中传来声音，特战队员一个急停摘下防寒面罩，呼出的热气迅速变成一团升腾的雾气。

　　连日来，位于祖国边陲的黑龙江黑河最低气温已突破零下40摄氏度。面对极寒，驻守在这里的武警黑龙江总队黑河支队官兵叫响“越是严寒越向前”的口号，在白山黑水间掀起了“冬季大练兵”的热潮。

　　锻造坚固的“心理盾牌”

　　1月15日，天降大雪，黑河市锦河大峡谷内，一支行军队伍正在雪野中蜿蜒前进。“前方道路被毁，由摩托化机动转入徒步行军。”对讲机内传来指令，官兵们迅速下车、整理装具，向着山林深处进发。“冬季大练兵”的第一个课目徒步行军，正式拉开帷幕。

　　“不就是走路嘛！”第一次参加冬训的新兵周腾飞是南方人，第一次见到大雪的他显得格外兴奋。但队伍行进还不到10公里，原本活蹦乱跳的周腾飞就像霜打的茄子，默不作声地跟在了队伍后面。

　　“先是欢声笑语，然后窃窃私语，最后沉默不语。”入伍13年、经历过13次冬训的二级上士孙彪说，每年新兵参加冬训，都会经历这个过程。

　　“太冷了！跟我之前想的完全不一样！”走在队伍中的周腾飞望着一望无际的雪野开始犯憷，原以为在冰天雪地中行军是一件富有诗情画意的事，没想到徒步行军选的道路尽是些山沟野路，极寒条件下全副武装蹚在齐膝深的雪中，每走一步都要耗费极大体力。除此之外，无人机侦察、小股“敌人”袭扰等接踵而至的“敌情”也让周腾飞应接不暇。没过一会儿，他便汗流浃背，恐寒畏难等情绪开始慢慢出现。

　　“外界环境的变化，势必会导致心理上的应激。只有锻造坚固的‘心理盾牌’，才能适应实战的要求。”该支队支队长张仰勇介绍，“冬季大练兵活动”中，支队积极探索冬训期间心理服务工作新模式：他们抽选军医、卫生员、思想心理骨干成立冬训心理服务小分队，第一时间赶赴驻训地域开展心理服务工作；编印下发《严寒条件下易发心理问题解决20法》《冬训中心理自我调节常识》口袋书，为官兵配备防冻伤小药包；常态化组织冬训防寒保暖知识大讲堂，针对严寒气候环境容易诱发的多种身体、心理问题及解决方法向官兵传授经验。

　　摸清装备“耐寒指数”

　　1月17日晚，在支队的演训场上，装备保障股股长刘浩带着业务骨干对某型侦察仪器进行性能测试，尽管穿着大衣，他们还是冻得直打哆嗦。

　　“零下35摄氏度，某型软管窥镜电池工作效率下降30%，信息传输出现延迟……”刘浩一边讲，一边在本子上记录下此次测试的数据。在他随身携带的记录本上，密密麻麻写满了多种武器装备的“冻”态参数。

　　“和人一样，武器装备也会因环境的改变产生‘水土不服’，摸清各型装备‘耐寒指数’，是提高战斗力的重要前提。”刘浩介绍说，以往冬训，考虑到精密装备造价昂贵、信息化元件怕低温等原因，有的单位在冬训时选择将其“深藏闺中”。

　　“战争不分地域天候，恶劣环境下更能暴露出武器装备平时看不出的问题，要让每名官兵都成为数据采集员。”该支队领导在议战议训会议上一针见血地指出问题所在，随后制订下发《严寒条件下装备效能数据采集手册》，以便随时采集各型装备在不同温度条件下的性能数据。

　　以往从未经历过冬训的武器装备“全员出动”，暴露出的问题和困难自然不少。特战队员刘学在冬训第一天就“冒了泡”。那天滴水成冰，刘学所在小队受命执行侦察搜索任务，没想到“老伙计”竟然“罢工”了。经过检查，是由于长时间低温，电池电压不足，无人机无法起飞。

　　“无人机高空侦察！”对讲机传来指令。情急之下，刘学拆掉无人机电池塞进了大衣里，用自己的体温加热电池……待无人机起飞后，目标早已不见踪影，任务被判定失败。

　　失利后，刘学与战友们集智攻关，很快就为无人机穿上了“棉袄”——他们与厂家技术人员沟通协调，为无人机配备了便携式电池加热器，使用时仅需10分钟即可将电池温度提升至20摄氏度以上。此外，他们还在无人机电池上加装了绝缘贴纸，可以有效减缓无人机飞行过程中的热量损失。

　　除此之外，气温低于柴油凝点时如何避免车辆出现“趴窝”、通过染毒地带防毒面具观察口的雾气如何去除等问题，也在冬训中被一一解决。

　　据悉，此次野外驻训，该支队共总结测试出各类武器装备数据40余项，各型号装备在低温状态下的作战性能得到有效检验，填补了支队寒区作战的数据空白。

　　在冬训现场，笔者看到支队射击教员高黎明通过采集弹着点的分布规律，总结出低温条件下的射击要领，在零下30摄氏度的雪地里打出了5枪50环的好成绩。

　　让靶场与战场深度耦合

　　“距离200米，西北向来风，风速每秒5米……”观察员话音刚落，狙击手刘波果断开枪，成功“击毙”目标。

　　1月20日，大寒，一场实战化实兵对抗演练悄然展开，狙击手刘波执行潜伏狙击任务，在雪地中潜伏近30分钟后，才等到目标出现。

　　“不光打得要准，能在冰天雪地中隐蔽自己和反侦察同样重要。”刘波说。

　　在前不久的一次演习中，刘波所在小队受命对“暴恐分子”实施捕歼，正当刘波和观察员占据任务地域的最佳射击位置之后，意想不到的事情发生了。

　　“砰！”突如其来的枪声打破了山林的寂静，1名队员“遇袭”倒地。

　　“通过枪声判断‘敌人’位于我们西北方向。”刘波迅速判明情况，调整位置并做好射击准备。正当他在瞄准镜内发现“敌人”踪迹，准备射击时，没想到隐藏在另一方向的“敌人”却率先扣动了扳机。

　　“如果这不是演习，那后果将不堪想象。”复盘总结会上，“铩羽而归”的刘波作出深刻反思，“我们只顾着占领整个山谷的最佳射击位置，却忘了‘最佳位置’在顺风顺光的同时也最容易遭‘敌’打击。”

　　该支队作训股股长苏冠华介绍，此次演练，将部队机动至陌生地域，目的就是在陌生环境、实战条件下检验官兵作战能力，但部分官兵存在用惯性思维去适应新战场，情况设想不充分，预案制订不科学的情况，成绩不理想在所难免。

　　雪地机动后没有处理雪地上的脚印、生火取暖烟雾暴露目标等4类10余项脱离实战的问题被摆上台面，官兵们解决问题的同时也推动训练向实战再靠近一步。

　　近日，驻地气温已骤降至零下40摄氏度，但官兵们备战打仗的热情却丝毫不减，多项战法在风雪中接受了近似实战的检验。

　　许家铭 王梓嘉 胡森 中青报·中青网记者 郑天然 来源：中国青年报

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)

　　（文图：赵筱尘 巫邓炎）