論文の概要: A brief history of AI: how to prevent another winter (a critical review)

• arxiv url: http://arxiv.org/abs/2109.01517v1
• Date: Fri, 3 Sep 2021 13:41:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-06 13:55:07.823604
• Title: A brief history of AI: how to prevent another winter (a critical review)
• Title（参考訳）: AIの簡単な歴史:別の冬を防ぐ方法(批判的レビュー)
• Authors: Amirhosein Toosi, Andrea Bottino, Babak Saboury, Eliot Siegel and Arman Rahmim
• Abstract要約: 何十年もの間、AIの進化について簡単に説明し、その決定的な瞬間と、開始から現在への大きな転換点を強調しています。 その際、我々は学び、未来を予測し、また別の「冬」を防ぐためにどのような措置をとるかについて議論する。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The field of artificial intelligence (AI), regarded as one of the most enigmatic areas of science, has witnessed exponential growth in the past decade including a remarkably wide array of applications, having already impacted our everyday lives. Advances in computing power and the design of sophisticated AI algorithms have enabled computers to outperform humans in a variety of tasks, especially in the areas of computer vision and speech recognition. Yet, AI's path has never been smooth, having essentially fallen apart twice in its lifetime ('winters' of AI), both after periods of popular success ('summers' of AI). We provide a brief rundown of AI's evolution over the course of decades, highlighting its crucial moments and major turning points from inception to the present. In doing so, we attempt to learn, anticipate the future, and discuss what steps may be taken to prevent another 'winter'.
• Abstract（参考訳）: 人工知能(ai)の分野は、科学の最も謎めいた分野の1つと見なされており、私たちの生活にすでに影響を与えている、驚くほど幅広い応用を含む過去10年間の指数関数的な成長を目撃している。 コンピュータパワーの進歩と高度なAIアルゴリズムの設計により、コンピュータは様々なタスク、特にコンピュータビジョンと音声認識の分野で人間よりも優れた性能を発揮できるようになった。 しかし、AIのパスはスムーズなものではなく、その生涯で2回(AIのウィンターズ')に分解され、どちらも一般的な成功(AIのサマーズ')を経ている。 私たちは、aiの進化を何十年もかけて簡単にまとめ、その重要な瞬間と始まりから現在に至る大きな転換点を強調しています。 そうすることで、私たちは学び、未来を予測し、別の'冬'を防ぐためにどのようなステップを踏むかについて議論しようとします。

関連論文リスト

• The Rise and Fall(?) of Software Engineering [3.89270408835787]
  ソフトウェア工学へのAIのスムーズな統合に不可欠な重要な要素を概説することを目指している。 まず、SEとAIの進化について簡単に説明する。その後、AI駆動の自動化と人間のイノベーションの間の複雑な相互作用を掘り下げる。
  論文  参考訳（メタデータ） (2024-06-14T15:50:24Z)
• Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
  今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。 10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。 AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
  論文  参考訳（メタデータ） (2024-04-06T22:18:31Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• Artificial Intelligence: 70 Years Down the Road [4.952211615828121]
  我々は、過去の失敗の背後にある理由と現在のAIの成功を理解するために、技術的および哲学的な視点から理由を分析しました。 我々は、AIの持続可能な開発方向性は、人間と機械のコラボレーションと、コンピュータパワーを中心とした技術パスであるべきだと結論付けている。
  論文  参考訳（メタデータ） (2023-03-06T01:19:25Z)
• Challenges of Artificial Intelligence -- From Machine Learning and Computer Vision to Emotional Intelligence [0.0]
  AIは人間の支配者ではなく、支援者である、と私たちは信じています。 コンピュータビジョンはAIの開発の中心となっている。 感情は人間の知性の中心であるが、AIではほとんど使われていない。
  論文  参考訳（メタデータ） (2022-01-05T06:00:22Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Why AI is Harder Than We Think [0.0]
  人工知能の分野は、楽観的な予測と膨大な投資の期間の間に数回サイクルしている。 私は、AI研究者によって行われた一般的な仮定で4つの誤認を説明します。 結論として、人間のような常識を身につける機械の長年の挑戦など、これらの誤解によって引き起こされたオープンな質問について論じる。
  論文  参考訳（メタデータ） (2021-04-26T20:39:18Z)
• 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)
• A clarification of misconceptions, myths and desired status of artificial intelligence [0.0]
  我々は,機械学習と統計学に関して,AIの望ましい現状と現状を考察する。 私たちの議論は、AIを取り巻く曖昧さのベールを解明して、その真の数量を見ることを目的としています。
  論文  参考訳（メタデータ） (2020-08-03T17:22:53Z)

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。