論文の概要: AI from concrete to abstract: demystifying artificial intelligence to
the general public
- arxiv url: http://arxiv.org/abs/2006.04013v6
- Date: Mon, 13 Jun 2022 02:10:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 09:12:36.378895
- Title: AI from concrete to abstract: demystifying artificial intelligence to
the general public
- Title(参考訳): コンクリートから抽象的なAI:人工知能を一般大衆に普及させる
- Authors: Rubens Lacerda Queiroz, F\'abio Ferrentini Sampaio, Cabral Lima and
Priscila Machado Vieira Lima
- Abstract要約: 本稿では,コンクリートから抽象的(AIcon2abs)への新たな方法論,AIについて述べる。
主な戦略は、人工知能のデミスティフィケーションを促進することである。
WiSARDの軽量化により、トレーニングタスクと分類タスクの視覚化と理解が容易になる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI) has been adopted in a wide range of domains.
This shows the imperative need to develop means to endow common people with a
minimum understanding of what AI means. Combining visual programming and WiSARD
weightless artificial neural networks, this article presents a new methodology,
AI from concrete to abstract (AIcon2abs), to enable general people (including
children) to achieve this goal. The main strategy adopted by is to promote a
demystification of artificial intelligence via practical activities related to
the development of learning machines, as well as through the observation of
their learning process. Thus, it is possible to provide subjects with skills
that contributes to making them insightful actors in debates and decisions
involving the adoption of artificial intelligence mechanisms. Currently,
existing approaches to the teaching of basic AI concepts through programming
treat machine intelligence as an external element/module. After being trained,
that external module is coupled to the main application being developed by the
learners. In the methodology herein presented, both training and classification
tasks are blocks that compose the main program, just as the other programming
constructs. As a beneficial side effect of AIcon2abs, the difference between a
program capable of learning from data and a conventional computer program
becomes more evident. In addition, the simplicity of the WiSARD weightless
artificial neural network model enables easy visualization and understanding of
training and classification tasks internal realization.
- Abstract(参考訳): 人工知能(AI)は幅広い領域で採用されている。
これは、aiの意味を最小限の理解で一般の人々に与える手段を開発することの必要性を示しています。
本稿では、ビジュアルプログラミングとWiSARD重みのない人工ニューラルネットワークを組み合わせることで、一般の人々(子供を含む)がこの目標を達成するために、コンクリートから抽象的(AIcon2abs)へのAIという新しい方法論を提案する。
本研究の主な戦略は,学習機械の開発に関連する実践的活動を通じて,学習過程の観察を通じて,人工知能の脱ミステリゼーションを促進することである。
したがって、人工知能のメカニズムの採用に関わる議論や決定において、被験者に洞察力のある俳優に寄与するスキルを提供することができる。
現在、プログラミングを通じて基本的なai概念を教える既存のアプローチは、マシンインテリジェンスを外部要素/モジュールとして扱う。
トレーニングを受けた後、その外部モジュールは学習者が開発するメインアプリケーションに結合される。
この方法論では、トレーニングタスクと分類タスクの両方が、他のプログラミング構成と同様に、メインプログラムを構成するブロックである。
aicon2absの有益な副作用として、データから学習可能なプログラムと従来のコンピュータプログラムとの差がより顕著になる。
さらに、WiSARDの重みのない人工知能ニューラルネットワークモデルの単純さにより、トレーニングや分類タスクの内部実現の可視化と理解が容易になる。
関連論文リスト
- A call for embodied AI [0.8242650459951482]
我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。
Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。
このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
論文 参考訳(メタデータ) (2024-02-06T09:11:20Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Towards Systems Education for Artificial Intelligence: A Course Practice
in Intelligent Computing Architectures [6.440694188229122]
このコースは、FPGAプラットフォーム上でAIアクセラレータを設計する学生に教えることを目的としている。
講座内容は講義ノート及び関連技術資料を含む。
いくつかの教育経験と効果が議論され、将来の可能性も議論されている。
論文 参考訳(メタデータ) (2022-06-22T11:48:04Z) - An Initial Look at Self-Reprogramming Artificial Intelligence [0.0]
我々は、最初の完全自己プログラミングAIシステムを開発し、実験的に検証する。
AIベースのコンピュータコード生成をAI自体に適用することで、ニューラルネットワークのソースコードを継続的に修正し書き換えるアルゴリズムを実装します。
論文 参考訳(メタデータ) (2022-04-30T05:44:34Z) - WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。
そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
論文 参考訳(メタデータ) (2021-10-27T12:25:21Z) - Conceptual Modeling and Artificial Intelligence: Mutual Benefits from
Complementary Worlds [0.0]
これまでのところ、主に分離されたCMとAIの分野にアプローチする2つの交差点に取り組むことに興味があります。
このワークショップでは、(一)概念モデリング(CM)がAIにどのような貢献ができるのか、(一)その逆の方法で、多様体相互利益を実現することができるという仮定を取り入れている。
論文 参考訳(メタデータ) (2021-10-16T18:42:09Z) - Draw your Neural Networks [0.0]
このGUIベースのアプローチを用いて,ニューラルネットワークの設計と修正を行うSketchフレームワークを提案する。
このシステムは一般的なレイヤと操作を最初から提供し、サポート対象のトレーニング済みモデルをインポートできる。
論文 参考訳(メタデータ) (2020-12-12T09:44:03Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳(メタデータ) (2020-08-07T21:00:13Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。