Fugu-MT 論文翻訳(概要): Challenges and Opportunities of Edge AI for Next-Generation Implantable BMIs

論文の概要: Challenges and Opportunities of Edge AI for Next-Generation Implantable BMIs

arxiv url: http://arxiv.org/abs/2204.02362v1
Date: Mon, 4 Apr 2022 12:47:07 GMT
ステータス: 処理完了
システム内更新日: 2022-04-06 12:55:09.798910
Title: Challenges and Opportunities of Edge AI for Next-Generation Implantable BMIs
Title（参考訳）: 次世代組込み型BMIにおけるエッジAIの課題と可能性
Authors: MohammadAli Shaeri, Arshia Afzal, and Mahsa Shoaran
Abstract要約: 次世代脳-機械インタフェース(BMI)におけるオンチップAIの新たな可能性について概観する。我々は,新しい世代のAI強化BMIと高チャネル数BMIを実現するために,アルゴリズムおよびIC設計ソリューションを提案する。
参考スコア（独自算出の注目度）: 6.385006149689549
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Neuroscience and neurotechnology are currently being revolutionized by artificial intelligence (AI) and machine learning. AI is widely used to study and interpret neural signals (analytical applications), assist people with disabilities (prosthetic applications), and treat underlying neurological symptoms (therapeutic applications). In this brief, we will review the emerging opportunities of on-chip AI for the next-generation implantable brain-machine interfaces (BMIs), with a focus on state-of-the-art prosthetic BMIs. Major technological challenges for the effectiveness of AI models will be discussed. Finally, we will present algorithmic and IC design solutions to enable a new generation of AI-enhanced and high-channel-count BMIs.
Abstract（参考訳）: 神経科学とニューロテクノロジーは現在、人工知能(AI)と機械学習によって革新されている。 AIは、神経信号の研究と解釈(分析応用)、障害者支援(補綴応用)、基礎となる神経症状(治療応用)に広く用いられている。本稿では、最先端の義肢BMIに焦点をあてて、次世代の組込み型脳機械インタフェース(BMI)におけるオンチップAIの新たな可能性について概観する。 AIモデルの有効性に関する主要な技術的課題について論じる。最後に,新しい世代のAI強化BMIと高チャネル数BMIを実現するために,アルゴリズムおよびIC設計ソリューションを提案する。

関連論文リスト

Embodied Neuromorphic Artificial Intelligence for Robotics: Perspectives, Challenges, and Research Development Stack [7.253801704452419]
スパイキングニューラルネットワーク(SNN)によるニューロモルフィックコンピューティングの最近の進歩は、ロボット工学の具体的インテリジェンスを可能にする可能性を実証している。本稿では, ロボットシステムにおいて, エンボディ型ニューロモーフィックAIを実現する方法について考察する。
論文参考訳（メタデータ） (2024-04-04T09:52:22Z)
Advancing Explainable AI Toward Human-Like Intelligence: Forging the Path to Artificial Brain [0.7770029179741429]
説明可能なAI(XAI)における人工知能(AI)と神経科学の交差は、複雑な意思決定プロセスにおける透明性と解釈可能性を高めるために重要である。本稿では,機能ベースから人間中心のアプローチまで,XAI方法論の進化について考察する。生成モデルにおける説明可能性の達成、責任あるAIプラクティスの確保、倫理的意味への対処に関する課題について論じる。
論文参考訳（メタデータ） (2024-02-07T14:09:11Z)
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)
The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文参考訳（メタデータ） (2023-07-09T21:16:56Z)
When Brain-inspired AI Meets AGI [40.96159978312796]
我々は、人工知能の観点から、脳にインスパイアされたAIの包括的概要を提供する。私たちは、脳にインスパイアされたAIの現在の進歩と、AGIとの広範な関係から始まります。次に、人間の知性とAIの両面での重要な特徴について述べる。
論文参考訳（メタデータ） (2023-03-28T12:46:38Z)
Toward Next-Generation Artificial Intelligence: Catalyzing the NeuroAI Revolution [102.45290975132406]
神経科学は長年、人工知能(AI)の進歩の重要な要因であった我々は,AIの進歩を加速するためには,NeuroAIの基本的な研究に投資する必要があることを示唆する。
論文参考訳（メタデータ） (2022-10-15T17:18:37Z)
In the realm of hybrid Brain: Human Brain and AI [0.0]
現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
論文参考訳（メタデータ） (2022-10-04T08:35:34Z)
An Initial Look at Self-Reprogramming Artificial Intelligence [0.0]
我々は、最初の完全自己プログラミングAIシステムを開発し、実験的に検証する。 AIベースのコンピュータコード生成をAI自体に適用することで、ニューラルネットワークのソースコードを継続的に修正し書き換えるアルゴリズムを実装します。
論文参考訳（メタデータ） (2022-04-30T05:44:34Z)
Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文参考訳（メタデータ） (2021-11-27T00:55:21Z)
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)
Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文参考訳（メタデータ） (2020-10-30T21:41:44Z)

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。