大规模生成模拟人工智能:生成人工智能的下一个热点
本文概述了生成人工智能和边缘云计算的最新发展,并利用两个示例应用程序讨论了使用边缘云协作系统扩大其解决方案的技术挑战。最后,我们列出了在规模上训练和部署 GenAI 系统的设计注意事项,并指出了未来的研究方向。
Jun, 2023
本文总结了在可视化领域中利用生成式人工智能(GenAI)的方法,涵盖了不同类型的 GenAI 方法在数据增强、可视化映射生成、风格化和交互等各个阶段的应用,同时阐述了评估、数据集和端到端 GenAI 与生成算法之间的挑战和研究机会。通过总结不同的生成算法、其当前应用和限制,希望为未来的 GenAI4VIS 研究提供有用的见解。
Apr, 2024
该论文探讨利用巨大的大语言模型生成特定任务训练数据的先进技术,介绍了方法论、评估技术和实际应用,并讨论了当前的限制和未来研究的潜在路径。
Mar, 2024
通过生成人工智能在地球科学领域的潜在应用,我们探讨了机器学习和深度学习的最新发展,以及它们在解决与地球科学和地球系统动力学相关的预测问题、模拟和多准则决策挑战方面所发挥的作用。并且介绍了在地球科学中使用的几种生成对抗网络(GANs)、物理信息神经网络(PINNs)和基于生成预训练转换器(GPT)的结构。这些工具在数据生成 / 增强、超分辨率、全色锐化、去雾、恢复和地表变化等多个应用中帮助地球科学界取得了进展。但还存在一些挑战,如确保物理解释性、恶意用途案例和可信度。总的来说,GAI 模型对地球科学界有着巨大潜力,特别是在支持气候变化、城市科学、大气科学、海洋科学和行星科学方面,通过其对数据驱动建模和不确定性量化的非凡能力。
Jan, 2024
通过使用机器学习和大型语言模型,本论文介绍了一种知识工作者系统 Generate And Search Test,该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境,以消除人为偏见。
Jul, 2023
通过对 6G 网络研究中的数据驱动的无线研究、生成式人工智能、生成模型、GMs 和 6G 网络研究等关键词进行分析,本文介绍了生成模型的教程和调查,并对无线研究领域的核心问题进行了回顾和分析,提出了 GMs 在 6G 网络研究的重要作用,并针对未来可能面临的挑战提供了潜在的策略和有希望的解决办法。
Feb, 2024
基于先进的自然语言处理技术,这项研究介绍了一种基于生成式人工智能(GenAI)的工具,用作教育者的数字助手,能够生成定制化的课程计划,评估结果显示这种基于人工智能的教学方法显著降低了备课时间,提升了学习体验,并在为特殊教育需求(SEN)提供个性化关注和具体学习辅助等更广泛教育背景的应用中具有潜在可行性。
Feb, 2024
通过在线实验研究,我们得出结论:使用 GenAI 平台获取灵感会导致作品被评定为更具创造力、写作更好、更令人愉快,尤其是在创造力较低的作家中。然而,每个条件内的故事相似性的客观度量揭示出,相比于单独由人类创作的故事,GenAI 生成的故事更加相似。这些结果表明了个人创造力的增加,但同时也存在着过度依赖的潜在后果,可能会导致集体创新的缺失。
Dec, 2023