Jan, 2024

生成智能 AI 区块链网络：基础知识、应用和案例研究

PDF
TL;DR生成人工智能已经成为解决区块链技术关键挑战的有希望的解决方案。本论文介绍了生成人工智能技术，概述了它们的应用，并讨论了将生成人工智能纳入区块链的现有解决方案。此外，案例研究表明生成扩散模型可以优化区块链网络性能指标。实验结果清楚地显示，与传统人工智能方法相比，所提出的生成扩散模型方法可以更快地收敛、获得更高的奖励，并显著提高区块链网络的吞吐量和延迟。最后，本文提出了生成人工智能在区块链应用中的未来研究方向。
发现论文，激发创造
  • 从生成式人工智能到生成式物联网：基础、框架与展望

    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

  • 生成人工智能（GAI）在移动和无线网络中的应用：综述

    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

  • 基于生成模型的下一代无线网络优化：基础、现状与关键挑战

    下一代无线网络中，生成式人工智能（Generative AI，GAI）模型的应用可以提升资源分配和网络性能优化，解决传统优化技术面临的挑战。

    May, 2024

  • 物理层通信的生成人工智能：一项调查

    人工智能的生成模型在通信物理层的应用

    Dec, 2023

  • 地球科学与生成式人工智能以及大型语言模型的交叉研究：基础、趋势与未来挑战

    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

  • 当生成 AI 遇见边缘智能时的集成微调和推理

    高性能生成人工智能与边缘智能之间的相互作用提供了新的机会，而基于大量计算资源和大规模未标记语料的 GAI 预训练为 EI 提供了强大的基础知识，而 EI 可以利用碎片化计算资源为 GAI 聚合个性化知识。本文提出了一种面向 GAI 的综合网络（GaisNet），它利用无数据的知识传递来缓解矛盾，并通过双向的知识流实现 GAI 的循环模型微调和任务推断，实现了 GAI 和 EI 之间无缝融合和协同进化。实验结果验证了所提机制的有效性。最后，我们讨论了 GAI 和 EI 之间相互作用的未来挑战和方向。

    Jan, 2024

  • 深度强化学习的生成式人工智能：框架、分析与应用案例

    使用生成式人工智能（GAI）来提高深度强化学习（DRL）算法的性能，解决样本效率低和泛化能力差的问题，通过介绍经典的 GAI 和 DRL 算法及其应用，并展示了 GAI 增强 DRL 算法的实际集成框架，提供了一个基于无人机辅助的近场 / 远场通信的案例研究来验证框架性能，并介绍了几个未来的研究方向。

    May, 2024

  • 低碳人工智能物联网的生成性人工智能

    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

  • 区块链与人工智能：协同与冲突

    区块链技术和人工智能是两个领域的变革性力量，该研究探讨了这两种技术之间的协同作用和挑战。根据市值，我们分析了结合区块链和人工智能的最大项目，并推导出了一个新的框架来归类当代和未来的应用案例。尽管理论上是兼容的，但当前结合区块链和人工智能的真实应用仍处于起步阶段。

    May, 2024

  • 基于区块链的负责任人工智能基础模型系统的分散治理

    本文识别了基于基础模型的人工智能系统的八个治理挑战，介绍了区块链作为一种解决方案的潜力，并提出了一个基于区块链的体系结构来实现基于基础模型的人工智能系统的治理。

    Aug, 2023