論文の概要: Demystifying Ten Big Ideas and Rules Every Fire Scientist & Engineer Should Know About Blackbox, Whitebox & Causal Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2111.13756v1
• Date: Tue, 23 Nov 2021 17:46:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 01:55:39.652109
• Title: Demystifying Ten Big Ideas and Rules Every Fire Scientist & Engineer Should Know About Blackbox, Whitebox & Causal Artificial Intelligence
• Title（参考訳）: Blackbox、Whitebox、Causalの人工知能について、消防士やエンジニアが知っておくべき10の大きなアイデアとルール
• Authors: M.Z. Naser
• Abstract要約: この手紙は、ファイア・テクノロジーが後援するスマート・システム・イン・ファイア・エンジニアリング(Smart Systems in Fire Engineering)の特別号に付属している。 第1節では、AIに関する大きなアイデアを概説し、私たちの領域でAIを採用するメリットについて、燃える疑問のいくつかに答える。 第2のセクションでは、AIユーザが調査方法論としてAIを使用する場合の実践に役立つとみなすための、一連のルールや技術的レコメンデーションが提示されている。
• 参考スコア（独自算出の注目度）: 2.4366811507669124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is paving the way towards the fourth industrial revolution with the fire domain (Fire 4.0). As a matter of fact, the next few years will be elemental to how this technology will shape our academia, practice, and entrepreneurship. Despite the growing interest between fire research groups, AI remains absent of our curriculum, and we continue to lack a methodical framework to adopt, apply and create AI solutions suitable for our problems. The above is also true for parallel engineering domains (i.e., civil/mechanical engineering), and in order to negate the notion of history repeats itself (e.g., look at the continued debate with regard to modernizing standardized fire testing, etc.), it is the motivation behind this letter to the Editor to demystify some of the big ideas behind AI to jump-start prolific and strategic discussions on the front of AI & Fire. In addition, this letter intends to explain some of the most fundamental concepts and clear common misconceptions specific to the adoption of AI in fire engineering. This short letter is a companion to the Smart Systems in Fire Engineering special issue sponsored by Fire Technology. An in-depth review of AI algorithms [1] and success stories to the proper implementations of such algorithms can be found in the aforenoted special issue and collection of papers. This letter comprises two sections. The first section outlines big ideas pertaining to AI, and answers some of the burning questions with regard to the merit of adopting AI in our domain. The second section presents a set of rules or technical recommendations an AI user may deem helpful to practice whenever AI is used as an investigation methodology. The presented set of rules are complementary to the big ideas.
• Abstract（参考訳）: 人工知能(ai)は、第4次産業革命の火の領域へと向かっている(fire 4.0)。 実のところ、今後数年間は、この技術が私たちのアカデミック、実践、起業家精神をいかに形作るかに重要なものになるだろう。 消防研究グループ間の関心の高まりにもかかわらず、AIはカリキュラムに欠けており、我々の問題に適したAIソリューションを採用、適用、作成するための方法論的な枠組みは引き続き欠如しています。 上記のことは平行エンジニアリング領域(土木・機械工学など)にも当てはまり、歴史の概念自体を否定するために(例えば、標準化された火力試験の近代化などに関する議論が続いている)、AIとファイアの前面で多彩で戦略的な議論を始めるためにAIの背後にある大きなアイデアのいくつかを軽視するためのエディターへの手紙の背後にある動機である。 さらに、この書簡は、火災工学におけるAIの採用に特有の、最も基本的な概念と明確な一般的な誤解を説明することを目的としている。 この短い手紙は、Fire Technologyが後援するSmart Systems in Fire Engineeringの特別号に付属している。 AIアルゴリズムの詳細なレビュー[1]と、そのようなアルゴリズムの適切な実装に関する成功談は、前述の特別号と論文の収集で見ることができる。 この手紙は2つの部分からなる。 第1節では、AIに関する大きなアイデアの概要と、私たちの領域でAIを採用するメリットに関する燃えるような疑問に答えています。 第2のセクションでは、AIユーザが調査方法論としてAIを使用する場合の実践に役立つとみなすための、一連のルールや技術的レコメンデーションが提示されている。 提示された一連のルールは、大きなアイデアを補完するものです。

関連論文リスト

• 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)
• ChatGPT and Works Scholarly: Best Practices and Legal Pitfalls in Writing with AI [9.550238260901121]
  我々は、このようなAIによる書き起こしが著作権に違反しているか、公正使用の安全な港に落ちているかを評価するためのアプローチを提供する。 AIは今後数年でより有能になる可能性が高いため、学術的な執筆活動にAIを統合するのは適切である。
  論文  参考訳（メタデータ） (2023-05-04T15:38:20Z)
• Governance of the AI, by the AI, and for the AI [9.653656920225858]
  研究者たちは、人工知能の時代がようやくやってきたと信じている。 AIの現状は、社会の多くの異なる分野に大きな変化をもたらしている。
  論文  参考訳（メタデータ） (2023-05-04T03:29:07Z)
• A Complete Survey on Generative AI (AIGC): Is ChatGPT from GPT-4 to GPT-5 All You Need? [112.12974778019304]
  生成AI(AIGC、つまりAI生成コンテンツ)は、テキスト、画像、その他を分析、作成する能力により、あらゆる場所で話題を呼んだ。 純粋な分析から創造へと移行するAIの時代において、ChatGPTは最新の言語モデルであるGPT-4とともに、多くのAIGCタスクからなるツールである。 本研究は,テキスト,画像,ビデオ,3Dコンテンツなど,出力タイプに基づいたAIGCタスクの技術的開発に焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-21T10:09:47Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• The application of artificial intelligence in software engineering: a review challenging conventional wisdom [0.9651131604396904]
  この調査章は、ソフトウェア工学に適用されるAIの最も一般的な方法のレビューである。 このレビューでは、1975年から2017年にかけての要件フェーズについて、46の主要なAI駆動手法が発見されている。 この章の目的は、以下の質問に答えることである。
  論文  参考訳（メタデータ） (2021-08-03T15:59:59Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• Socially Responsible AI Algorithms: Issues, Purposes, and Challenges [31.382000425295885]
  技術者とAI研究者は、信頼できるAIシステムを開発する責任がある。 AIと人間の長期的な信頼を構築するためには、アルゴリズムの公正性を超えて考えることが鍵だ、と私たちは主張する。
  論文  参考訳（メタデータ） (2021-01-01T17:34:42Z)
• 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)
• Towards AI Forensics: Did the Artificial Intelligence System Do It? [2.5991265608180396]
  私たちは、デザインとグレーボックス分析によって潜在的に悪意のあるAIに焦点を当てています。 畳み込みニューラルネットワークによる評価は、悪意のあるAIを特定する上での課題とアイデアを示している。
  論文  参考訳（メタデータ） (2020-05-27T20:28:19Z)

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。