由需求到体系结构:基于人工智能的半自动软件体系结构生成之旅
使用生成式 AI,通过简单的草图生成概念平面图和 3D 模型,实现了快速构思和基于文本描述的控制生成建筑渲染图,展示了生成式 AI 在建筑设计过程中的潜力,为计算机辅助建筑设计指明了新方向。
Mar, 2024
本文提出了一种新方法,支持自动化机器学习,帮助软件工程师在不需要深入了解人工智能的情况下,选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统,并进行智能能源领域的案例研究。
Mar, 2022
本文综述了现有的方法,囊括了计算机领域中的神经体系结构搜索、自动化方法和深度学习等方面,内容包括常用的体系结构搜索空间和基于强化学习和进化算法的体系结构优化算法、模拟模型和单次模型。同时,文章对新的研究方向进行了探讨。
May, 2019
Architext 是一个新型的语义生成辅助工具,通过自然语言提示,利用大规模的语言模型进行设计生成,对不同大小的预训练语言模型进行语义准确性和多样性的评估,能在不同的场景下产生高质量的设计结果。
Mar, 2023
这篇论文研究在智能制造中的人工智能协作所涉及的挑战,提出了一个以知识图谱、跟踪和场景分析为基础的软件架构,并使用关系化机器学习对生产过程中的知识进行捕捉,从而进行上下文特定的行动推荐,以实现优化产品质量和防止身体伤害。
Jan, 2022
该研究介绍了一种新型的自动生成建筑原理图设计的自动化系统,旨在简化多户型房地产开发项目初期的复杂决策过程。利用生成式人工智能(神经推理)和数学程序求解器(符号推理)的综合优势,该方法解决了建筑原理图设计中依赖专家知识和技术挑战的问题,通过模拟从初步概念到详细布局的传统建筑设计过程提出了一种新颖的顺序神经符号推理方法。通过与真实世界建筑的比较研究,验证了我们的方法的有效性。我们的方法能够根据对社区的理解生成各种建筑设计,展示了其改变建筑原理图设计领域的潜力。
Jan, 2024
本文提出通过使用主流软件方法论来开发参考架构来解决现代知识工程的四个挑战,包括未解决的利益相关方需求,不匹配的技术,新组织的采用障碍和与软件工程实践的不匹配。我们通过研究不同利益相关者和时代的要求,确定了 23 个评估参考架构所必需的基本质量属性,并根据这些属性评估了最近文献中的三种候选架构。最后,我们讨论了实现全面参考架构的下一步行动,包括优先考虑质量属性,整合具有互补优势的组件以及支持缺失的社会技术要求。由于这需要协作努力,因此我们邀请所有知识工程研究人员和实践者加入我们。
Jun, 2023
本研究通过建立适应现代应用和组织要求的架构框架,针对数据科学和机器学习相关的利益相关者的需求,提出了用于评估和基准测试 ML-enabled CPS 的标准以及支持用户进行建模和开发管道的工具评估的标准。通过文献回顾、专家访谈和在线问卷调查等多种经验和定性研究方法,我们收集、分析和整合了来自 25 多个国家的 10 多个组织中 77 位专家的意见,以制定和验证所提出的框架。
Aug, 2023
现今,基于人工智能的系统在不同领域取得了杰出的成果,并超越了人类。然而,训练 AI 模型和从中推断出来的过程需要大量的计算资源,在当前能源效率的社会需求中面临重大挑战。为了应对这一挑战,本研究项目论文描述了 GAISSA 项目的主要愿景、目标和预期成果。GAISSA 项目旨在为数据科学家和软件工程师提供工具支持、以架构为中心的方法,用于建模和开发绿色基于人工智能的系统。虽然该项目处于初期阶段,但我们描述了当前的研究结果,展示了实现 GAISSA 目标的潜力。
Jul, 2023
这篇文章探讨了生成人工智能在建筑设计中的广泛应用,从生成 2D 图像、视频和 3D 模型的基本原理到对建筑设计各个阶段的影响,指出了设计创新的新方向和应用生成人工智能的新轨迹。
Mar, 2024