Feb, 2024

建筑行业中的生成人工智能：现状分析

PDF
TL;DR施工行业的生成性人工智能技术的机会和挑战，以及基于自身数据构建定制生成性人工智能解决方案的框架的最新状态分析，为学术界和建筑专业人员提供综合分析和实用框架，以指导生成性人工智能技术在提高建筑行业的生产力、质量、安全性和可持续性方面的应用。
construction industrygenerative artificial intelligencestate-of-the-art analysisopportunities and challengescustomized generative ai solutions
发现论文，激发创造
  • 建筑行业中的生成 AI：机遇和挑战

    深入研究了建筑行业中应用生成人工智能（GenAI）的潜在机遇和挑战，提出了概念性的 GenAI 实施框架、实用建议，总结了未来研究的问题，并构建了关于 GenAI 的基础文献。

    Sep, 2023

  • 建筑设计的生成式人工智能：文献综述

    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

  • 生成人工智能模型：行业和机构的机会与风险

    生成式 AI 模型的应用带来了数字化机会，同时也引入了新的 IT 安全风险。在将生成式 AI 集成到工作流程中之前，公司、机构、开发者和操作员都应进行风险分析，并相应地调整和采取安全措施。

    Jun, 2024

  • 生成人工智能：系统综述和应用

    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

  • 基于企业数据的 LLM 应用架构下生成式 AI 服务实现的研究

    本研究提出了一种利用大型语言模型（LLM）应用架构实现生成式人工智能服务的方法，通过利用生成式人工智能技术的最新进展，研究解决了信息匮乏的挑战，并通过利用 LLM 功能提出了具体的解决方案。研究探讨了缓解数据不足问题的策略，提供了量身定制的解决方案。通过实施检索增强生成（RAG）模型来解决上述挑战是工作的一个重要贡献，该模型被精心设计用于增强信息存储和检索过程，以确保改进的内容生成。本研究阐明了以 RAG 模型为基础的信息存储和检索方法的关键阶段，对这些步骤进行了全面分析，强调了它们在解决数据匮乏方面的重要性。研究突出了所提出方法的有效性，通过示例展示了其在实践中的适用性。通过实施 RAG 模型进行信息存储和检索，本研究不仅对生成式人工智能技术有了更深入的理解，而且还促进了利用 LLM 的企业内部的实际应用。这项工作在推进生成式人工智能领域，提供改进基于数据的内容生成以及促进企业内部利用 LLM 服务方面具有重要价值。

    Sep, 2023

  • 增强计算设计：人工智能在生成设计中的系统化应用

    在建筑设计中，该研究论述了通过人工智能与生成设计相结合，可以增强决策过程，并在复杂的设计空间中进行地图绘制和导航，从而实现几个感兴趣的结果和性能指标。

    Oct, 2023

  • 生成人工智能用于合成数据生成：方法、挑战与未来

    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

  • 生成人工智能与建筑历史

    生成型 AI 平台在理解建筑历史和生成新创意作品方面具有强大的潜力，但我们需要了解它们对建筑风格的理解能力以及其已被实践者用于查询特定建筑概念的情况。

    Dec, 2023

  • 生成人工智能的挑战与机遇

    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

  • 关于加拿大众议院研究人工智能技术对加拿大劳动力的影响的简报：生成型人工智能颠覆了人工智能与劳动的模型

    生成人工智能在就业、教育、生产力和未来工作方面取得了令人兴奋的进展，需要政策制定者提供更好的数据以帮助工人适应就业变革，并鼓励教育计划以适应未来工作的需求。

    Nov, 2023