人工智能与生成式人工智能的应用领域，特别是语言生成与伦理考虑的最新研究成果与未来发展轨迹的综合分析。

May, 2024

从训练数据中生成新的、有意义的内容（如文本、图像或音频）的计算技术被称为 “生成型人工智能”。本文对生成型人工智能在社会技术系统中的实体进行了概念化，并提供了模型、系统和应用的示例。在此基础上，本文介绍了当前生成型人工智能的局限性，并提出了商业与信息系统工程（BISE）研究的议程。与以往的研究不同，我们将重点放在生成型人工智能在信息系统的背景下，讨论了对 BISE 社区来说独特的几个机遇和挑战，并提出了对 BISE 研究具有影响力的方向建议。

Sep, 2023

AI 和生成 AI 工具在研究发现和总结方面具有重要作用，通过生成语言模型可以更快地找到相关文献并提取研究论文的关键要点，对统计学家和数据科学家具有重要意义。

Jan, 2024

提出了一种使用最新的预训练语言模型探索知识驱动设计生成的方法，具体通过改进的预训练变压器 fine-tuning 并结合美国专利数据库来实现。该方法不仅能使用简洁易懂的语言生成想法，而且能够以可控的知识距离将目标设计与外部知识来源进行综合综合。在滚动玩具设计的案例研究中测试了该方法，结果表明该方法在生成具有不同新颖性的想法方面表现良好，且具有近场和远场的知识来源。

Mar, 2022

通过研究发现，生成人工智能已经可以利用网页上的上下文信息实现生成相关和高质量的网页图像，而无需手动输入提示，这一方法对于修复破损的网页或处理高度私密内容可能非常有价值。

Oct, 2023

利用自然语言生成技术，提出了一种新的方法来自动化早期设计概念的生成，其中涉及到设计思维、计算机辅助设计、预训练变压器和概念生成任务。实验结果显示，该方法在生成创新和有用概念方面表现良好。

Nov, 2022

本文研究探讨了生成 AI 技术中，AI 加入真实数据之后可能会产生回馈循环并导致未来模型的降级和多样性降低的情况，从而产生社会影响。同时，对于如何缓解这种回馈循环以及降低未来技术模型降级的影响也提出了相关问题。

Jun, 2023

生成式 AI 为语言学习提供了重要机会。AI 工具如 ChatGPT 可以通过书面或语音聊天提供非正式的第二语言练习，学习者可以通过提示指定对话参数，如熟练水平、语言风格和讨论主题。AI 可以被指导给出修正性反馈、创建练习题或制定扩展学习计划。AI 可以帮助教师构建各种媒体的学习和评估材料。然而，学习者和教师都需要理解 AI 系统的局限性，这些局限性源于它们对人类语言的纯统计模型，从而限制了它们处理语言使用中微妙的社会和文化方面的能力。此外，AI 系统的创建涉及道德问题，并且在使用中存在实际限制，尤其是对于弱势群体。AI 工具的能力和多功能性很可能使它们成为许多人生活中宝贵而常用的伴侣（类似于智能手机），创造出一种超越简单工具使用的紧密联系。生态理论如社会物质主义对于研究用户和 AI 之间产生的共同行动机制非常有帮助，以及来自原住文化的人 - 物关系视角。

Mar, 2024

该论文研究了生成人工智能（GenAI）对术语定义的创建和使用的影响。与传统术语资源相比，像 ChatGPT 这样的 GenAI 工具带来了一系列的好处和缺点。ChatGPT 在以交互和定制化的方式提供上下文特定含义方面表现出众，但在准确性方面面临挑战。认可资源中的术语定义可能会继续存在，因为它们可靠性高。从术语家的角度来看，像 ChatGPT 这样的工具使得人工智能辅助术语学成为可能，包括采用后期编辑的术语学方法，以实现快速定义创建时人工智能效率和人类专业知识的结合。

Feb, 2024

使用下一个令牌预测训练大型 Transformer 在人工智能方面取得了突破性进展，但这种生成式人工智能方法严重依赖人类监督，我们提出了一种新的自主生成高质量训练数据的范式 —— 探索型人工智能 (EAI)，通过利用大型语言模型在自然语言空间内进行探索达到这一目的。实证评估表明，EAI 显著提升了模型在复杂推理任务上的性能，解决了人类密集监督的局限。

Oct, 2023