在当今快速发展的人工智能领域，生成式人工智能（GenAI），特别是大型语言模型，展示了在数据理解和逻辑推理方面的卓越性能。这些能力与自适应系统（SASs）所需的功能高度契合，为在SASs中应用GenAI提供了巨大的潜力。然而，关于在SASs中应用GenAI的具体优势和挑战仍存在许多未知。
GenAI在SASs中的潜在优势：
1.增强SASs的自主性：GenAI可以围绕MAPE-K反馈循环（监测、分析、规划、执行和知识）的具体功能来增强SASs的自主性。例如，GenAI可以用于生成测试用例、自动修复漏洞、优化系统性能等。
2.改善人机交互：在人机交互的背景下，GenAI可以用于生成自然语言解释、提供用户指导、生成用户界面等，从而改善人机交互的效率和效果。
GenAI在SASs中面临的挑战：
1.技术多样性和快速变化：SASs领域存在技术多样性，且GenAI技术发展迅速，这使得整合GenAI到SASs中变得复杂。
2.数据需求和隐私问题：GenAI模型通常需要大量数据进行训练，这可能导致数据需求和隐私问题。
3.模型的可解释性和鲁棒性：GenAI模型的可解释性和鲁棒性是关键挑战，特别是在安全关键的应用中。
为了解决上述挑战并充分发挥GenAI在SASs中的潜力，研究人员提出了以下研究路线图：
1.关键研究挑战：确定并解决关键研究挑战，如模型的可解释性、鲁棒性和数据需求。
2.模型评估和优化：开发评估和优化GenAI模型的方法，以确保其在SASs中的有效性和可靠性。
3.人机交互的改善：探索GenAI在改善人机交互方面的潜力，如生成自然语言解释、提供用户指导等。
4.实际应用的探索：在实际应用中探索GenAI的潜力，如在软件工程、网络安全、医疗等领域的应用。
