| 书名： | AI大模型：赋能通信产业 |
| 出版社： | 清华大学出版社 |
| 出版日期 | 2025 |
| ISBN号： | 9787302689744 |
| |
| 近年来，随着人工智能技术的发展，以 ChatGPT 为代表的GPT大模型展现了强大的内容理解和生成能力，引起了各行各业的广泛关注，也为通信行业带来了新的机遇和挑战。本书以GPT发展历程为基础，介绍了 GPT 赋能通信业的具体应用，探讨了“GPT+通信”融合发展的未来趋势及所面临的问题，最后提出了相应的发展建议。 通过阅读本书，读者可以了解GPT大模型的相关知识，并将其应用于通信行业。本书适合信息通信专业的技术人员和管理人员阅读，也可作为高等院校通信、电子、计算机、自动化、网络空间安全等专业硕士、博士研究生的参考书。 |
| |
| 曾捷，北京理工大学副教授，特别研究员，博士生导师，通信/计算机双博士，主要研究方向为AI大模型与通信融合、低时延高可靠通信等。在相关领域发表SCI期刊论文50余篇，出版中英文学术专著5部，获授权专利80余项。 杨一帆，女，北京理工大学网络空间安全学院博士研究生，主要研究方向为6G无线通信、AI大模型与通信融合等领域。主编未来移动通信论坛白皮书《GPT与通信》，发表SCI/EI高水平论文多篇，申请发明专利十余项，参与国家级科研项目3项。 粟欣，清华大学电子工程系教授，无线与移动通信技术研究中心副主任，中国IMT-2030（6G）推进组专家组成员兼无线技术工作组组长。长期从事无线通信理论与技术、通信网络架构与应用、高速数据传输与业务等领域的科研、教学和标准化工作。 吕铁军，北京邮电大学学术委员会委员，教授，博士生导师。已出版学术专著4部，发表了150多篇SCI期刊论文，曾获得教育部新世纪优秀人才支持计划 "高校优秀人才奖"。 目前主要的研究方向为信号处理、通信理论和网络等。 钟怡，北京理工大学长聘副教授，博士生导师。长期从事智能物联网领域的科研工作，近年来聚焦通感一体化、无线感知、行人重识别等，已在相关领域发表论文60余篇，包括IJCV、IEEE TIP、IEEE TGRS 、IEEE TMM、ICCV、CVPR等。 袁昕，获得北京邮电大学与悉尼科技大学的双博士学位。主要研究方向为人工智能与机器学习在图像与信号处理、数据分析及网络安全中的应用。迄今已出版学术专著2部，发表了50余篇期刊论文，并拥有5项授权专利。
|
| |
| 1.近年来，AI技术迎来爆发式发展，以ChatGPT为代表的AI大模型展现了强大的内容理解和生成能力；从文本对话、代码生成到多模态交互，大模型技术迭代持续加速，从单一任务向通用智能快速演进。 2.通信行业需要处理繁杂的数据，AI大模型凭借其卓越的理解和生成能力，能够分析理解海量数据，生成高度智能化的内容；这不仅加速了传统通信行业的升级，也催生了新型商业模式和多元化创新应用。 3.本书从GPT发展历程出发，介绍了AI大模型赋能通信行业的崭新应用以及促进通信网络智能自治的潜力，研究了未来网络针对GPT应用的优化特别是对边缘智能的支撑，探讨了未来发展趋势以及所面临的挑战，并提出了相应的协同发展建议。 |
| |
| 第1章 ChatGPT与GPT的发展 001 1.1 ChatGPT开启人工智能新时代 002 1.1.1 ChatGPT基本概念 002 1.1.2 ChatGPT技术体系 003 1.1.3 ChatGPT典型应用 009 1.2 GPT引领人工智能发展热潮 015 1.2.1 GPT：生成式预训练转换器 015 1.2.2 Transformer架构 016 1.2.3 GPT发展历程 021 1.3 大模型 023 1.3.1 大模型概述 023 1.3.2 大模型研究现状 025 1.3.3 典型的大模型 029 1.4 本章小结 034 参考文献 034 第2章 GPT催生通信新应用与新变革 037 2.1 GPT赋能多元化通信新应用 038 2.2 智能客服 039 2.2.1 传统智能客服面临的挑战 040 2.2.2 增强语义理解与情感识别 041 2.2.3 增强跨渠道整合与统一管理 041 2.3 自动化仿真 042 2.3.1 重构实验流程 043 2.3.2 模拟参数分析 044 2.3.3 实现智能编程 045 2.4 重塑芯片设计领域 046 2.4.1 优化设计流程 047 2.4.2 辅助自动设计 048 2.4.3 提高验证效率 050 2.5 增强语义通信 051 2.5.1 提高SemCom训练效率 052 2.5.2 增强语义上下文推理 053 2.5.3 提升频谱资源利用率 054 2.5.4 推动智能通信的广泛应用 054 2.6 本章小结 057 参考文献 058 第3章 GPT促进通信网络智能自治 061 3.1 通信网络智能自治 062 3.2 GPT重塑网络规划 064 3.2.1 无线网络规划 064 3.2.2 基站选址及天线优化 066 3.2.3 基于意图的网络规划 068 3.3 GPT增强切片部署 070 3.3.1 网络切片技术 070 3.3.2 未来网络智能切片 073 3.4 GPT简化网络运维 077 3.4.1 异常检测 078 3.4.2 故障诊断 079 3.4.3 事件预警 081 3.4.4 智能决策 083 3.5 GPT加速网络优化 085 3.5.1 网络流量优化 085 3.5.2 无线网络覆盖优化 087 3.5.3 网络信令追踪 088 3.6 本章小结 090 参考文献 090 第4章 未来网络对GPT应用的支撑和优化 093 4.1 万物智联时代GPT的定位 094 4.2 未来网络设计的典型思路和方案 097 4.2.1 云原生 099 4.2.2 无线技术新体系 101 4.3 未来网络支持GPT能力下沉 102 4.3.1 自适应切片 103 4.3.2 分布式学习 104 4.4 本章小结 105 参考文献 106 第5章 支持GPT应用的边缘智能 109 5.1 边缘智能概述 110 5.1.1 概念演进 110 5.1.2 关键特征 113 5.1.3 研究进展 116 5.2 GPT在边缘智能部署的典型应用 117 5.2.1 智能网联车 117 5.2.2 智慧工厂 120 5.2.3 智慧社区 121 5.2.4 智慧医院 123 5.3 GPT在边缘部署时对网络KPI的需求 125 5.4 本章小结 128 参考文献 128 第6章 GPT与通信协同发展 131 6.1 GPT与通信松耦合发展 132 6.1.1 独立演进 132 6.1.2 前沿交叉 133 6.2 GPT与通信紧耦合发展 134 6.2.1 协同演进 134 6.2.2 深度耦合 138 6.3 GPT与通信融合发展 142 6.3.1 融合演进 142 6.3.2 紧密结合 146 6.4 本章小结 153 参考文献 154 第7章 GPT与通信融合发展面临的问题 159 7.1 通信高质量训练数据稀缺，专用模型准确性和泛化性差 160 7.2 端侧算力及硬件资源不足，大模型轻量化部署难 163 7.3 云边端异构网络高效协同难，大模型性能稳定性差 166 7.4 服务器互联存在带宽瓶颈，训练时间长推理效率低 170 7.5 大模型相关法律法规滞后，安全隐私与道德伦理风险高 172 7.6 本章小结 175 参考文献 176 第8章 发展建议与未来展望 179 8.1 发展建议 180 8.1.1 加快AI算力建设，提供基础设施支撑 180 8.1.2 加强校企联合培养，填补创新人才空缺 182 8.1.3 加速制定相关政策，建立产业标准体系 184 8.2 未来展望 188 8.2.1 核心技术实现突破，关键能力显著增强 188 8.2.2 体系建设日益完善，数字经济快速发展 190 8.2.3 应用场景不断拓展，循序渐进融合共生 192 8.3 本章小结 194 参考文献 195 |
| |
|
|
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
