Fugu-MT 論文翻訳(概要): Deep Learning and Artificial General Intelligence: Still a Long Way to Go

論文の概要: Deep Learning and Artificial General Intelligence: Still a Long Way to Go

arxiv url: http://arxiv.org/abs/2203.14963v1
Date: Fri, 25 Mar 2022 23:36:17 GMT
ステータス: 処理完了
システム内更新日: 2022-04-03 03:41:32.694256
Title: Deep Learning and Artificial General Intelligence: Still a Long Way to Go
Title（参考訳）: ディープラーニングと人工知能: まだまだ道のりは長い
Authors: Maciej \'Swiechowski
Abstract要約: ニューラルネットワークアーキテクチャを用いたディープラーニングは、コンピュータサイエンス研究の最前線にある。この記事では、現在の状態において、ディープニューラルネットワークが人工知能に到達するための選択技術である準備ができていない5つの主要な理由を批判的に示す。
参考スコア（独自算出の注目度）: 0.15229257192293197
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In recent years, deep learning using neural network architecture, i.e. deep neural networks, has been on the frontier of computer science research. It has even lead to superhuman performance in some problems, e.g., in computer vision, games and biology, and as a result the term deep learning revolution was coined. The undisputed success and rapid growth of deep learning suggests that, in future, it might become an enabler for Artificial General Intelligence (AGI). In this article, we approach this statement critically showing five major reasons of why deep neural networks, as of the current state, are not ready to be the technique of choice for reaching AGI.
Abstract（参考訳）: 近年,ニューラルネットワークアーキテクチャ(ディープニューラルネットワーク)を用いたディープラーニングは,コンピュータ科学研究の最前線にある。コンピュータビジョン、ゲーム、生物学といったいくつかの問題において超人的なパフォーマンスをもたらし、結果としてディープラーニング革命という用語が生まれた。ディープラーニングの成功と急速な成長は、将来的にはai(artificial general intelligence, agi)が実現可能になる可能性を示唆している。本稿では,現状の深層ニューラルネットワークがAGIに到達するための選択技術である準備ができていない理由を5つの主要な理由として,この主張に批判的にアプローチする。

関連論文リスト

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)
Models Developed for Spiking Neural Networks [0.5801044612920815]
スパイキングニューラルネットワーク(SNN)は長い間存在しており、脳のダイナミクスを理解するために研究されてきた。本研究では,画像分類タスクにおけるSNNの構造と性能について検討した。比較は、これらのネットワークがより複雑な問題に対して優れた能力を示すことを示している。
論文参考訳（メタデータ） (2022-12-08T16:18:53Z)
Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-06T13:04:45Z)
Ten Years after ImageNet: A 360{\deg} Perspective on AI [36.9586431868379]
ニューラルネットワークが壮大な復活を遂げてから10年が経ちます。人材、コンピューティングリソース、データを管理するBig-TechによるAIの優位性は、極端なAIの分裂につながる可能性がある。高い期待に応えられず、自動運転車のような旗艦プロジェクトは、新たなAI冬を招きかねない。
論文参考訳（メタデータ） (2022-10-01T01:41:17Z)
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)
An Introductory Review of Spiking Neural Network and Artificial Neural Network: From Biological Intelligence to Artificial Intelligence [4.697611383288171]
生物学的解釈可能性を持つスパイクニューラルネットワークは、徐々に注目を集めている。このレビューは、さまざまな研究者を惹きつけ、脳にインスパイアされた知性と人工知能の開発を進めたいと考えている。
論文参考訳（メタデータ） (2022-04-09T09:34:34Z)
Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。 NASはコンピュータビジョンの幅広い問題に適用されている。
論文参考訳（メタデータ） (2022-02-15T08:06:50Z)
Deep Reinforcement Learning with Spiking Q-learning [51.386945803485084]
スパイクニューラルネットワーク(SNN)は、少ないエネルギー消費で人工知能(AI)を実現することが期待されている。 SNNと深部強化学習(RL)を組み合わせることで、現実的な制御タスクに有望なエネルギー効率の方法を提供する。
論文参考訳（メタデータ） (2022-01-21T16:42:11Z)
Artificial Neural Variability for Deep Learning: On Overfitting, Noise Memorization, and Catastrophic Forgetting [135.0863818867184]
人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。 ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
論文参考訳（メタデータ） (2020-11-12T06:06:33Z)
Artificial Intelligence in Surgery: Neural Networks and Deep Learning [2.562741561534933]
ディープニューラルネットワークは、自動運転車から、放射線学と病理学におけるコンピュータ支援診断まで、最近の人工知能の成功を支えている。手術の高度なデータ集約処理は、そのような計算手法の恩恵を大いに受ける可能性がある。この章と付属するハンズオン素材は、ニューラルネットワークの背後にある直感を理解しようとする外科医のために設計された。
論文参考訳（メタデータ） (2020-09-28T15:25:00Z)
Applications of Deep Neural Networks with Keras [0.0]
ディープラーニングにより、ニューラルネットワークは人間の脳の機能のような方法で情報の階層を学習することができる。本コースでは,従来のニューラルネットワーク構造であるConversa Neural Networks (CNN), Long Short-Term Memory (LSTM), Gated Recurrent Neural Networks (GRU), General Adrial Networks (GAN)を紹介する。
論文参考訳（メタデータ） (2020-09-11T22:09:10Z)

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。