- AI大模型(赋能通信产业新时代技术新未来)
- - 作者：曾捷//杨一帆//粟欣//吕铁军//钟怡等|责编:刘洋
  - 出版社：清华大学
  - ISBN：9787302689744
  - 出版日期：2025/06/01
  - 页数：195
- 售价：35.2

内容大纲
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。
作者介绍
目录
第1章  ChatGPT与GPT的发展
  1.1  ChatGPT开启人工智能新时代
    1.1.1  ChatGPT基本概念
    1.1.2  ChatGPT技术体系
    1.1.3  ChatGPT典型应用
  1.2  GPT引领人工智能发展热潮
    1.2.1  GPT：生成式预训练转换器
    1.2.2  Transformer架构
    1.2.3  GPT发展历程
  1.3  大模型
    1.3.1  大模型概述
    1.3.2  大模型研究现状
    1.3.3  典型的大模型
  1.4  本章小结
  参考文献
第2章  GPT催生通信新应用与新变革
  2.1  GPT赋能多元化通信新应用
  2.2  智能客服
    2.2.1  传统智能客服面临的挑战
    2.2.2  增强语义理解与情感识别
    2.2.3  增强跨渠道整合与统一管理
  2.3  自动化仿真
    2.3.1  重构实验流程
    2.3.2  模拟参数分析
    2.3.3  实现智能编程
  2.4  重塑芯片设计领域
    2.4.1  优化设计流程
    2.4.2  辅助自动设计
    2.4.3  提高验证效率
  2.5  增强语义通信
    2.5.1  提高SemCom训练效率
    2.5.2  增强语义上下文推理
    2.5.3  提升频谱资源利用率
    2.5.4  推动智能通信的广泛应用
  2.6  本章小结
  参考文献
第3章  GPT促进通信网络智能自治
  3.1  通信网络智能自治
  3.2  GPT重塑网络规划
    3.2.1  无线网络规划
    3.2.2  基站选址及天线优化
    3.2.3  基于意图的网络规划
  3.3  GPT增强切片部署
    3.3.1  网络切片技术
    3.3.2  未来网络智能切片
  3.4  GPT简化网络运维
    3.4.1  异常检测
    3.4.2  故障诊断
    3.4.3  事件预警
    3.4.4  智能决策

  3.5  GPT加速网络优化
    3.5.1  网络流量优化
    3.5.2  无线网络覆盖优化
    3.5.3  网络信令追踪
  3.6  本章小结
  参考文献
第4章  未来网络对GPT应用的支撑和优化
  4.1  万物智联时代GPT的定位
  4.2  未来网络设计的典型思路和方案
    4.2.1  云原生
    4.2.2  无线技术新体系
  4.3  未来网络支持GPT能力下沉
    4.3.1  自适应切片
    4.3.2  分布式学习
  4.4  本章小结
  参考文献
第5章  支持GPT应用的边缘智能
  5.1  边缘智能概述
    5.1.1  概念演进
    5.1.2  关键特征
    5.1.3  研究进展
  5.2  GPT在边缘智能部署的典型应用
    5.2.1  智能网联车
    5.2.2  智慧工厂
    5.2.3  智慧社区
    5.2.4  智慧医院
  5.3  GPT在边缘部署时对网络KPI的需求
  5.4  本章小结
  参考文献
第6章  GPT与通信协同发展
  6.1  GPT与通信松耦合发展
    6.1.1  独立演进
    6.1.2  前沿交叉
  6.2  GPT与通信紧耦合发展
    6.2.1  协同演进
    6.2.2  深度耦合
  6.3  GPT与通信融合发展
    6.3.1  融合演进
    6.3.2  紧密结合
  6.4  本章小结
  参考文献
第7章  GPT与通信融合发展面临的问题
  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
  7.2  端侧算力及硬件资源不足，大模型轻量化部署难
  7.3  云边端异构网络高效协同难，大模型性能稳定性差
  7.4  服务器互联存在带宽瓶颈，训练时间长推理效率低
  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
  7.6  本章小结
  参考文献
第8章  发展建议与未来展望

  8.1  发展建议
    8.1.1  加快AI算力建设，提供基础设施支撑
    8.1.2  加强校企联合培养，填补创新人才空缺
    8.1.3  加速制定相关政策，建立产业标准体系
  8.2  未来展望
    8.2.1  核心技术实现突破，关键能力显著增强
    8.2.2  体系建设日益完善，数字经济快速发展
    8.2.3  应用场景不断拓展，循序渐进融合共生
  8.3  本章小结
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目