論文の概要: Lifelong Computing

• arxiv url: http://arxiv.org/abs/2108.08802v1
• Date: Thu, 19 Aug 2021 17:19:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 14:15:20.801852
• Title: Lifelong Computing
• Title（参考訳）: 生涯コンピューティング
• Authors: Danny Weyns, Thomas B\"ack, Ren\`e Vidal, Xin Yao, Ahmed Nabil Belbachir
• Abstract要約: 常に変化する環境で目標を達成している、長期間稼働するコンピューティングシステムは、大きな課題を生んでいる。 異常、新規性、新しい目標、制約といった予期しない変化に対処するには、システムの進化が必要である。 ライフロングコンピューティング」は、コンピューティング/サービスモジュールと学習モジュールを統合するコンピューティング学習システムから始まる。
• 参考スコア（独自算出の注目度）: 17.702858017974215
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computing systems form the backbone of many aspects of our life, hence they are becoming as vital as water, electricity, and road infrastructures for our society. Yet, engineering long running computing systems that achieve their goals in ever-changing environments pose significant challenges. Currently, we can build computing systems that adjust or learn over time to match changes that were anticipated. However, dealing with unanticipated changes, such as anomalies, novelties, new goals or constraints, requires system evolution, which remains in essence a human-driven activity. Given the growing complexity of computing systems and the vast amount of highly complex data to process, this approach will eventually become unmanageable. To break through the status quo, we put forward a new paradigm for the design and operation of computing systems that we coin "lifelong computing." The paradigm starts from computing-learning systems that integrate computing/service modules and learning modules. Computing warehouses offer such computing elements together with data sheets and usage guides. When detecting anomalies, novelties, new goals or constraints, a lifelong computing system activates an evolutionary self-learning engine that runs online experiments to determine how the computing-learning system needs to evolve to deal with the changes, thereby changing its architecture and integrating new computing elements from computing warehouses as needed. Depending on the domain at hand, some activities of lifelong computing systems can be supported by humans. We motivate the need for lifelong computing with a future fish farming scenario, outline a blueprint architecture for lifelong computing systems, and highlight key research challenges to realise the vision of lifelong computing.
• Abstract（参考訳）: コンピューティングシステムは私たちの生活の多くの側面のバックボーンを形成しているので、社会にとって水、電気、道路のインフラと同じくらい重要になっている。 しかし、常に変化する環境で目標を達成するような、長期間稼働するコンピューティングシステムには、大きな課題がある。 現在、予想された変化に合わせて時間とともに調整または学習するコンピューティングシステムを構築することができる。 しかしながら、異常、新規性、新しい目標、制約といった予期せぬ変更に対処するには、本質的に人間主導のアクティビティであるシステム進化が必要である。 コンピューティングシステムの複雑さが増大し、処理すべき大量の高度に複雑なデータを考えると、このアプローチは最終的には管理不能になる。 現状を打破するために,我々は「生涯コンピューティング」を造語するコンピューティングシステムの設計と運用の新しいパラダイムを提唱した。 このパラダイムは、コンピューティング/サービスモジュールと学習モジュールを統合するコンピューティング学習システムから始まる。 コンピューティングウェアハウスは、データシートと利用ガイドと共にこのようなコンピューティング要素を提供する。 異常、新規性、新しい目標、制約を検出すると、生涯にわたるコンピューティングシステムは、オンライン実験を実行する進化的自己学習エンジンを起動し、コンピュータ学習システムが変化に対処するためにどのように進化する必要があるかを判断し、アーキテクチャを変更し、必要に応じてコンピューティングウェアハウスから新しいコンピューティング要素を統合する。 身近な領域によっては、生涯コンピューティングシステムのいくつかの活動は人間が支援できる。 我々は,将来の魚作シナリオで生涯コンピューティングの必要性を動機付け,生涯コンピューティングシステムの青写真アーキテクチャを概説するとともに,生涯コンピューティングのビジョンを実現するための重要な研究課題を強調する。

関連論文リスト

• Building Living Software Systems with Generative & Agentic AI [2.2481284426718533]
  現在のソフトウェアシステムは静的で柔軟性がないため、人間の目標を計算アクションに翻訳する際の課題に繋がる。 生成AIを利用した「ソフトウェアシステム開発」は、コンピューティングにおけるこの根本的な問題の解決策を提供する。 生成的AI、特に大きな言語モデルは、人間の意図とコンピュータ操作の間の普遍的なトランスレータとして機能する。
  論文  参考訳（メタデータ） (2024-08-03T12:35:30Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• 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)
• There's Plenty of Room Right Here: Biological Systems as Evolved, Overloaded, Multi-scale Machines [0.0]
  我々は、カテゴリ間のハードバウンダリを放棄し、オブザーバに依存した実践的な視点を採用することによって、有用な道が先延ばしされることを論じる。 バイオメディカルまたはバイオエンジニアリングの目的のために生体システムを再形成するためには、複数のスケールでそれらの機能の予測と制御が必要である。 我々は,メソスケールイベントの理解を改善するために,進化・設計されたシステムによって実行される計算のためのオブザーバ中心のフレームワークを論じる。
  論文  参考訳（メタデータ） (2022-12-20T22:26:40Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Physical Computing for Materials Acceleration Platforms [81.09376948478891]
  我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。 シミュレーションに基づくMAPプログラムの概要を述べる。 我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
  論文  参考訳（メタデータ） (2022-08-17T23:03:54Z)
• Future Computer Systems and Networking Research in the Netherlands: A Manifesto [137.47124933818066]
  我々はICTの重要部分としてCompSysに注目している。 オランダ経済のトップセクター、国家研究アジェンダの各ルート、国連持続可能な開発目標の各ルートは、コンプシーズの進歩なしには対処できない課題を提起する。
  論文  参考訳（メタデータ） (2022-05-26T11:02:29Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)
• The Vision of Self-Evolving Computing Systems [12.507035717773528]
  持続可能性の重要な側面は、コンピュータシステムが直面する継続的な変化に対処する能力である。 さまざまなタイプの変更を自律的に処理するスマートコンピューティングシステムを設計することは可能ですが、予期しない変更に対処するには、システムの進化が必要です。 我々は、進化エンジンを備えた自己進化型コンピューティングシステムのビジョンについて、議論の余地のある意見を提示した。
  論文  参考訳（メタデータ） (2022-04-14T08:53:23Z)
• On Artificial Life and Emergent Computation in Physical Substrates [0.0]
  人工生命のレンズは、高性能コンピューティングの進歩に価値ある視点を提供すると我々は主張する。 生物学的ニューロンとナノマグネットのアンサンブルの2つの特定の基質が詳細に議論されている。 我々は、人工生命の研究に固有の好奇心を持つ計算に近づくことで何が学べるかという哲学的な議論で締めくくった。
  論文  参考訳（メタデータ） (2020-09-09T18:59:53Z)
• Memristors -- from In-memory computing, Deep Learning Acceleration, Spiking Neural Networks, to the Future of Neuromorphic and Bio-inspired Computing [25.16076541420544]
  機械学習は、特にディープラーニングの形で、人工知能の最近の基本的な発展のほとんどを駆動している。 ディープラーニングは、オブジェクト/パターン認識、音声と自然言語処理、自動運転車、インテリジェントな自己診断ツール、自律ロボット、知識に富んだパーソナルアシスタント、監視といった分野に成功している。 本稿では、電力効率の高いインメモリコンピューティング、ディープラーニングアクセラレーター、スパイクニューラルネットワークの実装のための潜在的なソリューションとして、CMOSハードウェア技術、memristorsを超越した小説をレビューする。
  論文  参考訳（メタデータ） (2020-04-30T16:49:03Z)

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。