abili⁃ ties）[5]，不仅能够理解和生成自然语言，还具有抽象 和推理的能力[6]，能在艺术创作、代码编写、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1 类预案、行动指南、管理准则等可以言明的显性知识 之外，还包括与这些预案、指南、准则设计布局相关 的隐性知识，暗含在该部门的专业、制度和文化之 内。隐性知识通过职业训练和经验积累而在工作中 获得，存在个体的头脑中或某个特定的组织环境中， 较难被机器获取和理解。应急管理知识属于典型的 跨学科知识，为解决应用情境中的问题而生，因此， 其知识默会的部分要比能言明的部分更为重要[25]。 传统知识管理模式是建立在知识的结构化符号 识生产，具有强烈社会弥漫性特点[24-25]。与单学科或 多学科的知识生产不同，知识生产者并不是按照传 统的学科结构整合，而是复杂灾害情境下产生的问 题处理需求而整合。随着问题的出现，涉及问题处 理的各种不同关系的个体构成了知识生产网络互相 联结的节点，问题解决过程中产生的知识内嵌于这 个网络中，即存储在参与问题解决的生产场所的个 体和组织中。当下一个问题出现时，新应用场景中 的节点重新联结形成，进入新一轮问题解决。在这

者的饮食、运动习惯及睡眠质量。这些信息对于慢性病患者 （如糖尿病、高血压等）尤为重要，AI 可以根据监测的数据 生成个性化的生活方式建议，以帮助患者更好地管理健康。 3. 病情预警系统：利用 AI 的预测能力，建立基于个体健康数据 的预警系统。当患者的生理指标或生活习惯出现异常时，系统 会自动推送提醒，促使患者及时就医或调整日常行为。这种主 动管理方式可以有效降低急性疾病发作的风险。 4. 数据集成与分析：将来自不同设备和应用的数据进行融合与分 有效的决策支持，提升临床诊断和治疗的效率和准确性。 首先，AI 模型可以通过分析大量的历史病例数据，帮助医务人 员识别疾病模式和趋势。例如，在肿瘤治疗中，AI 可以对大量患者 的治疗效果进行分析，提供个体化的治疗建议。数据的可视化呈现 可以使得医务人员更直观地理解不同治疗方案的有效性和风险，从 而做出更为精准的决策。通过对比不同病例的治疗结果，医务人员 可以更好地评估当前治疗方案的合理性。 其次，基于 例如，在处理患者的急性病症时，系统可以依据最新的临床指南和 科研成果，提供推荐的处理流程和用药方案。这一过程不仅提高了 治疗的一致性，还能显著减少由于经验不足或知识遗漏而带来的医 疗错误。医务人员在此过程中，可以重点关注个体化的因素，如患 者的既往病史、药物过敏史等，从而进一步优化治疗方案。 另一个重要方面是，AI 模型能够实时监测患者的生理参数，及 时分析潜在的风险信号。例如，通过对 ICU 患者的多项生命体征进

视频智能挖掘的核心功能 之一，扮演着至关重要的角色。通过智能监控系统，实时捕捉和分 析人群行为，能够有效提高对潜在安全威胁的检测与预防能力。行 为识别利用深度学习和计算机视觉技术，对视频流中的个体和群体 行为进行识别与分析，识别出的行为包括但不限于打斗、聚众、奔 跑、闲逛等。 在应用方案中，行为识别系统首先需构建一个强大的数据模 型，支持多种环境和场景的行为识别。系统应采用预训练的深度学 对象行为的识别能力，如奔跑或逃跑行为。 3. 异常行为检测：基于训练数据集模型，识别不寻常的行为模 式，并及时生成报警信息。 4. 多目标跟踪：通过采用多目标跟踪算法（例如 SORT 或 Deep SORT）有效检测并跟踪多个个体的行为。 在实际应用中，系统能够通过可视化界面展示识别结果，包括 行为类别、时间戳以及发生位置，从而帮助监控人员快速评估现场 状况。此外，行为识别系统还可以与其他安全防范措施进行联动， 如警 全提供有效的潜在威胁预测，从而为相关部门提供有力的支持，预 防和应对各种安全隐患。 4.4 情感分析 在公共安全领域，情感分析作为 AI 视频智能挖掘功能的重要 组成部分，能够从视频监控或现场录制的影像资料中自动识别和分 析个体及群体的情感状态。这种技术的应用不仅有助于事件的快速 评估和响应，而且能在潜在危机中提前发现异常情绪标志，进而采 取相应措施强化安全管理。 情感分析的核心在于利用深度学习和计算机视觉技术，提取视

生产线机器人、手术机器人、 农业机器人、服务机器人 多 Agent 系统 每个 Agent 都是半自主运行的，但其设计目的是与其他 Agent 互动，形成一个动态的生态系统，从个体行为中产 生集体行为。对于这种 Agent 程序来说，协作是关键。 交通管理系统、用于能源管理 的智能电网、供应链与物流 资料来源：botpress，海通证券研究所 2

术常用于处理客户的个人信息，如健康状 况、财务状况等。如果数据保护措施不当，可能导致客户隐私泄露，违反相关数据保护法规。 （2）视偏见加剧的风险。利用大模型收集分析人类行为、社会地位、经济状态、个体性 4.6.1 安全风险 格等，对不同人群进行标识分类、区别对待，可能导致不公平的决策结果，带来系统性、结 构性的社会歧视与偏见。 （3）透明度不足风险。大模型的复杂性可能导致决策过程不透明，客户难以理解保费 体验和海量营销展业素材，能更准确、更高质量地解答代理人的问题，也在展业、服务、培 训、管理、增员等场景为代理人提供了更专业的一站式销售解决方案。 在寿险业务中，代理人面对客户时需应对各种不同的问题，这些问题因客户的个体差 异，如人群、收入、职业和家庭结构等因素而有所不同。为了提供专业且个性化的解答，代 理人通常会先使用代理人Askbob机器人进行咨询，然后再向客户反馈。然而，传统的基于 预设知识库的问答系统

及个人隐私和商业机密的数据时。数据脱敏可以通过以下方式实现： - 对数据进行泛化处理，将具体值替换为范围或类别； - 使用哈希 函数对敏感字段进行不可逆加密； - 在模型中引入差分隐私技术， 确保个体数据无法被单独识别。 此外，定期进行安全审计和漏洞扫描也是保障数据安全的重要 措施。通过定期检查系统的安全配置、识别潜在的安全漏洞，并采 取相应的修复措施，可以有效降低数据泄露的风险。为了确保审计