生成式人工智能时代的物联网：视野与挑战
本文研究了物联网和生成式人工智能（AI）交叉融合的时代中，这种整合中所固有的新兴安全风险。我们探讨了生成式人工智能在物联网中推动创新的方式，并分析了在使用生成式人工智能时可能发生数据泄露以及在物联网生态系统中滥用生成式人工智能技术的潜力。这些风险不仅威胁到物联网系统的隐私和效率，而且对 AI 驱动环境中的信任和安全性产生广泛的影响。本文讨论还延伸到缓解这些风险的战略方法，包括开发健壮的安全协议、多层次安全方法和采用 AI 技术解决方案。通过全面分析，本文旨在阐明在物联网中拥抱 AI 进步和确保严格安全之间的关键平衡，并提供对这些交织技术未来方向的洞察。
Mar, 2024
通过将生成式人工智能（GAI）与现代物联网（IoT）相结合，我们提出了生成式物联网（GIoT）的概念，并研究了其潜在前景。我们介绍了四种 GAI 技术，讨论了 GIoT 的应用，并提出了一个基于 GAI 的安全激励机制框架，使用生成扩散模型（GDMs）进行机制设计，并应用区块链技术进行安全的 GIoT 管理。最后，我们通过现代车辆的交通监测案例研究，展示了利用 GDMs 生成有效合同来激励用户提供高质量感知数据。未来还有一些值得研究的开放方向，以促进 GIoT 的普及。
Oct, 2023
本篇综述介绍了人工智能赋能物联网的全景，在云计算、雾计算和边缘计算三个方面，介绍了 AIoT 的体系结构，然后从感知、学习、推理和行为四个角度阐述了 AI 在物联网领域中的研究进展，最后概括了一些有前景的 AIoT 应用，并强调了 AIoT 面临的挑战和潜在的研究机会。
Nov, 2020
通过结合人工智能和物联网，人工智能物联网（AIoT）已经在许多领域引起革命。本文旨在探讨生成式人工智能（GAI）降低 AIoT 碳排放的潜力，并提出了一种新颖的 GAI 解决方案用于低碳 AIoT。我们首先研究引起 AIoT 碳排放的主要影响，然后介绍 GAI 技术及其与碳排放之间的关系。接下来，我们探索了 GAI 在低碳 AIoT 中的应用前景，重点讨论了 GAI 如何减少网络组件的碳排放。随后，我们提出了一个基于大型语言模型（LLM）的碳排放优化框架，框架中设计可插拔的 LLM 和检索增强生成（RAG）模块，以生成更准确可靠的优化问题。此外，我们利用生成扩散模型（GDM）识别碳排放减少的最佳策略。模拟结果证明了该框架的有效性。最后，我们提供低碳 AIoT 的未来研究方向。
Apr, 2024
我们旨在识别现代生成 AI 范例中尚未解决的主要挑战，以进一步增强其能力、多样性和可靠性，并为研究人员提供有价值的见解，以探索更有成效的研究方向，从而促进更强大和可访问的生成 AI 解决方案的发展。
Feb, 2024
到 2030 年，一种新的名为感知互联网（Internet of Senses，IoS）的模式正在崛起，它旨在提供多感官体验，相较于传统虚拟现实（Virtual Reality，VR），IoS 承认我们在现实世界中的感知远远超过视觉和听觉，该文探讨了推动沉浸式多感官媒体的现有技术，重点研究了它们的功能和潜在应用，包括对比分析了传统沉浸式媒体流媒体和通过生成式人工智能（AI）赋予的语义通信的提案用例，该分析的重点是在提案方案中带来的 99.93％带宽消耗的大幅度降低，通过这种对比，我们旨在强调生成式人工智能在沉浸式媒体中的实际应用，并解决挑战并勾勒未来的发展方向。
Apr, 2024
数字能源互联网（IoE）的数字领域即将在集成边缘人工智能（AI）的帮助下发生革命性转变。本综述详细阐述了边缘 AI 对重塑 IoE 生态系统的承诺和潜力。通过精心策划的研究方法，文章深入探讨了专门为 IoE 量身定制的众多边缘 AI 技术。从降低延迟和实时分析到信息安全、可扩展性和成本效益等关键方面的众多好处，凸显了边缘 AI 在现代 IoE 框架中的不可或缺性。随着叙述的深入，读者将了解到实际应用和技术，重点关注设备上的计算、安全的私有推理方法以及边缘 AI 训练的前沿范式。随后进行了一项关键分析，探讨了目前面临的挑战，包括安全问题、计算难题和标准化问题。然而，随着技术的不断拓展，综述以展望未来的观点告终，设想了 5G 网络、联邦边缘 AI、深度强化学习等未来的共生关系，描绘了未来所展示的生动画面。对于在 IoE 和 AI 领域投入的任何人来说，本综述既提供了基础知识，又以一种有远见的眼光，将现实与未来的可能性联系起来。
Nov, 2023
人工智能在移动网络和物联网领域的成功促进了移动网络和未来互联网向整合人工智能的物联网时代迈进。本文详细介绍了生成式人工智能在移动和无线网络中的作用，包括基础知识、模型、应用、网络管理、无线安全、语义通信，并总结了当前移动和无线网络中生成式人工智能的研究现状和面临的挑战。
May, 2024