論文の概要: SpaceML: Distributed Open-source Research with Citizen Scientists for the Advancement of Space Technology for NASA

• arxiv url: http://arxiv.org/abs/2012.10610v3
• Date: Tue, 16 Feb 2021 17:31:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 16:12:18.876066
• Title: SpaceML: Distributed Open-source Research with Citizen Scientists for the Advancement of Space Technology for NASA
• Title（参考訳）: SpaceML: NASAの宇宙技術の発展に向けた市民科学者による分散オープンソース研究
• Authors: Anirudh Koul, Siddha Ganju, Meher Kasam, James Parr
• Abstract要約: 研究はしばしばクローズドドアの裏で行われ、公開または製品リリースまで秘密にされることがある。 このような長期的な研究を行うことができるのは、少数の企業や資金豊富な研究機関だけだ。 本稿では、NASAのAIアクセラレータであるFrontier Development Labの拡張であるSpaceMLの短いケーススタディを示す。
• 参考スコア（独自算出の注目度）: 0.7646713951724009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditionally, academic labs conduct open-ended research with the primary focus on discoveries with long-term value, rather than direct products that can be deployed in the real world. On the other hand, research in the industry is driven by its expected commercial return on investment, and hence focuses on a real world product with short-term timelines. In both cases, opportunity is selective, often available to researchers with advanced educational backgrounds. Research often happens behind closed doors and may be kept confidential until either its publication or product release, exacerbating the problem of AI reproducibility and slowing down future research by others in the field. As many research organizations tend to exclusively focus on specific areas, opportunities for interdisciplinary research reduce. Undertaking long-term bold research in unexplored fields with non-commercial yet great public value is hard due to factors including the high upfront risk, budgetary constraints, and a lack of availability of data and experts in niche fields. Only a few companies or well-funded research labs can afford to do such long-term research. With research organizations focused on an exploding array of fields and resources spread thin, opportunities for the maturation of interdisciplinary research reduce. Apart from these exigencies, there is also a need to engage citizen scientists through open-source contributors to play an active part in the research dialogue. We present a short case study of SpaceML, an extension of the Frontier Development Lab, an AI accelerator for NASA. SpaceML distributes open-source research and invites volunteer citizen scientists to partake in development and deployment of high social value products at the intersection of space and AI.
• Abstract（参考訳）: 伝統的にアカデミックラボは、現実世界にデプロイできる直接製品ではなく、長期的な価値を持つ発見に重点を置いたオープンエンドな研究を行っている。 一方、業界の研究は、投資に対する商業的リターンが期待されていることから、短期的なタイムラインを持つ現実世界の製品に焦点が当てられている。 どちらの場合も機会は選択的であり、先進的な教育的背景を持つ研究者がしばしば利用できる。 研究はしばしばクローズドドアの後ろで行われ、公開か製品リリースまで秘密にされ、AI再現性の問題が悪化し、この分野の他の人々による将来の研究が遅くなる。 多くの研究機関が特定の分野に集中する傾向があるため、学際的な研究の機会は減少する。 非商業的で大きな公共価値を持つ未調査分野における長期的な大胆な研究は、高い事前リスク、予算制約、ニッチ分野におけるデータと専門家の可用性の欠如など、難しい。 このような長期的な研究を行うことができるのは、少数の企業や資金豊富な研究所だけだ。 分野や資源の爆発的な拡散に注目する研究組織によって、学際研究の成熟の機会は減少する。 これらの例外とは別に、オープンソースコントリビュータを通じて市民科学者が研究対話において積極的な役割を果たす必要がある。 本稿では、NASAのAIアクセラレータであるFrontier Development Labの拡張であるSpaceMLの短いケーススタディを示す。 SpaceMLはオープンソースの研究を配布し、ボランティアの市民科学者に、宇宙とAIの交差点で高い社会価値製品の開発と展開に参加するよう依頼する。

関連論文リスト

• Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
  科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。 大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。 本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
  論文  参考訳（メタデータ） (2024-10-17T03:26:37Z)
• OpenResearcher: Unleashing AI for Accelerated Scientific Research [35.31092912532057]
  我々は、人工知能(AI)技術を活用して研究プロセスを加速する革新的なプラットフォームであるOpenResearcherを紹介する。 OpenResearcherはRetrieval-Augmented Generation (RAG)に基づいて構築されており、LLM(Large Language Models)と最新のドメイン固有知識を統合する。 我々は、OpenResearcherが研究者のクエリを理解し、科学文献から検索し、検索した情報をフィルタリングし、正確で包括的な回答を提供し、答えを自己修正する様々なツールを開発した。
  論文  参考訳（メタデータ） (2024-08-13T14:59:44Z)
• A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
  大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。 我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-16T08:03:24Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
  1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
  論文  参考訳（メタデータ） (2023-06-15T14:08:07Z)
• Human-Centered Responsible Artificial Intelligence: Current & Future Trends [76.94037394832931]
  近年、CHIコミュニティは人間中心のレスポンシブル人工知能の研究において著しい成長を遂げている。 この研究はすべて、人権と倫理に根ざしたまま、人類に利益をもたらすAIを開発し、AIの潜在的な害を減らすことを目的としている。 本研究グループでは,これらのトピックに関心のある学術・産業の研究者を集結させ,現在の研究動向と今後の研究動向を地図化することを目的とする。
  論文  参考訳（メタデータ） (2023-02-16T08:59:42Z)
• Researching Alignment Research: Unsupervised Analysis [14.699455652461726]
  AIアライメント研究は、人工知能(AI)が人間に利益をもたらすことを保証することを目的としている。 このプロジェクトでは、既存のAIアライメント研究を収集、分析した。 フィールドは急速に成長しており、いくつかのサブフィールドが平行して出現している。
  論文  参考訳（メタデータ） (2022-06-06T18:24:17Z)
• "Connected Researches" in "Smart Lab Bubble": A Lifeline for Commercial Agriculture in "New Normal" [0.0]
  商業農業の研究は、2030年までに飢餓をゼロにするという2番目の持続可能な目標を追求するために、国が採用できる最良の戦略だ。 研究機関の業績は変わらず、低いレベルでの停滞が望まれる。 デジタルソリューションによるコネクテッドリサーチの確立と、デジタルで支持されたパフォーマンスモニタリングと評価によって解決できる適切な避難計画が、このパンデミックで商業農業の研究を生きていく上での救世主となるだろう。
  論文  参考訳（メタデータ） (2021-04-29T15:08:41Z)
• A field guide to cultivating computational biology [1.040598660564506]
  バイオメディカルリサーチセンターは、実験や患者からの大規模なデータセットを活用することで、基礎的な発見と治療戦略を強化することができる。 このデータと、それを作成し、分析する新しい技術は、従来の個別の単一分野の研究モデルを超えて、データ駆動の発見の時代を後押ししてきた。 我々は、個々の科学者、機関、雑誌発行者、資金調達機関、教育者に対する解決策を提案する。
  論文  参考訳（メタデータ） (2021-04-23T01:24:21Z)
• Learnings from Frontier Development Lab and SpaceML -- AI Accelerators for NASA and ESA [57.06643156253045]
  AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。 我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。 FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
  論文  参考訳（メタデータ） (2020-11-09T21:23:03Z)

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。