软件工程的更高智能化
本研究探讨运用生成式 AI 助手在软件开发中的应用，以 GitHub Copilot 和 ChatGPT 为例，纳入领域专家面谈以了解业界现状和挑战，进一步提出未来的软件开发教育建议。
Mar, 2023
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
利用 2016 年至 2023 年的相关文章进行的系统文献评价显示：生成型人工智能（GAI）可应用于软件产品管理，包括在需求工程、产品开发和市场调研中提供帮助，但其准确性、可靠性和道德问题仍待解决。最终，生成型人工智能的实际应用可以显著提高软件产品管理活动，实现更有效地利用资源，更好的产品结果和改进的最终用户体验。
Jun, 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
通过集成 Moe 和 GAI 实现 IoV 中的人工通用智能，以实现 IoV 的全面自主性，减少人类监督，并适用于广泛的机动性场景，包括环境监测、交通管理和自动驾驶。
Apr, 2024
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
近年来，生成人工智能（GenAI）技术的普及，如预训练的大规模语言模型（LLMs），在计算法律领域开辟了新的前沿。本文介绍了在将人工智能应用于法规和合同法中自动化的基于规则推理的激动人心的领域，并提出了几个自动化软件测试和程序分析的概念，这些概念在利用人工智能进行法规和合同分析时可能非常有用。
Apr, 2024
这篇综述论文全面调查了生成人工智能领域的发展现状，特别关注了专家混合模型、多模态学习以及人工通用智能的变革性影响。它批判性地研究了生成人工智能方面当前的状况和未来的发展轨迹，探讨了像谷歌的 Gemini 和 OpenAI Q * 等创新如何重新塑造跨领域的研究优先事项和应用，包括对生成人工智能研究分类学的影响分析。该论文评估了这些技术在计算挑战、可扩展性和现实世界应用方面的问题，并强调了它们在医疗、金融和教育等领域取得重大进展的潜力。它还讨论了人工智能主题和人工智能生成预印本的普及对同行评议过程和学术交流的影响，指出了在人工智能发展中纳入道德和以人为本的方法的重要性，确保与社会规范和福祉的一致，并概述了一个关注专家混合模型、多模态学习和人工通用智能在生成人工智能中平衡和慎重使用的未来研究策略。
Dec, 2023
本研究通过系统调查、基于文本挖掘的全球和国家指南、独立研究以及八十所大学层面的指导，提供了对教育中生成式人工智能（GAI）和大型语言模型（LLMs）的机会和挑战进行细致的理解。研究强调了在这些技术的整合过程中平衡方法的重要性，以 harness 利用其技术优势的同时，考虑伦理问题，并确保公平的获取和教育结果。最后，本文提出了促进负责任创新和道德实践，指导将 GAI 和 LLMs 整合到学术中的建议。
May, 2024
直接或间接地影响教学与学习的生成式人工智能（GAI）正影响着各种学科和学科的教育。作为教育者，我们需要了解 AI 在人机交互教育中的潜力和局限，并确保我们的人机交互设计专业的毕业生了解 AI 在此领域中的潜力和局限。本文报告了将生成式人工智能纳入为期 10 周的本科模块所得出的主要教学见解。我们设计了这个模块，以鼓励学生在设计任务要求和计划实践会话与讨论中进行 GAI 模型的实验。我们的见解基于学生在完成模块后的调查回复。对于人机交互设计教育者而言，我们的主要发现是 AI 作为发展项目想法和创建设计资源的一个人物角色，以及 AI 作为反映学生对关键概念和想法的理解并突出知识差距的一面镜子。我们还讨论了应该考虑的潜在陷阱以及评估学生对 GAI 作为教学工具的识字能力和假设的需求。最后，我们提出了教育者以 GAI 作为教育工具所带来的机会，并在实践中富有实验性、创意性和勇气的案例。最后，我们就我们的发现与人机交互中的 TPACK 框架进行了讨论。
May, 2024