論文の概要: Position: Tensor Networks are a Valuable Asset for Green AI

• arxiv url: http://arxiv.org/abs/2205.12961v2
• Date: Thu, 30 May 2024 09:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-01 00:22:17.090684
• Title: Position: Tensor Networks are a Valuable Asset for Green AI
• Title（参考訳）: 位置: テンソルネットワークはグリーンAIにとって価値のある集合である
• Authors: Eva Memmel, Clara Menzen, Jetze Schuurmans, Frederiek Wesel, Kim Batselier,
• Abstract要約: 本稿では,テンソルネットワーク(TN)とグリーンAIの基本的な関係を紹介する。 我々は、TNは強力な数学的バックボーンと固有対数圧縮ポテンシャルのため、グリーンAIにとって価値があると論じる。
• 参考スコア（独自算出の注目度）: 7.066223472133622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For the first time, this position paper introduces a fundamental link between tensor networks (TNs) and Green AI, highlighting their synergistic potential to enhance both the inclusivity and sustainability of AI research. We argue that TNs are valuable for Green AI due to their strong mathematical backbone and inherent logarithmic compression potential. We undertake a comprehensive review of the ongoing discussions on Green AI, emphasizing the importance of sustainability and inclusivity in AI research to demonstrate the significance of establishing the link between Green AI and TNs. To support our position, we first provide a comprehensive overview of efficiency metrics proposed in Green AI literature and then evaluate examples of TNs in the fields of kernel machines and deep learning using the proposed efficiency metrics. This position paper aims to incentivize meaningful, constructive discussions by bridging fundamental principles of Green AI and TNs. We advocate for researchers to seriously evaluate the integration of TNs into their research projects, and in alignment with the link established in this paper, we support prior calls encouraging researchers to treat Green AI principles as a research priority.
• Abstract（参考訳）: このポジションペーパーでは、テンソルネットワーク(TN)とグリーンAIの基本的な関係を初めて紹介し、AI研究の傾きと持続可能性の両方を高めるための相乗的ポテンシャルを強調した。 数学的なバックボーンと固有対数圧縮ポテンシャルにより,TNはグリーンAIにとって有益である,と我々は主張する。 我々は、グリーンAIとTNの関係を確立することの重要性を実証するために、グリーンAIに関する現在進行中の議論を包括的にレビューし、AI研究における持続可能性と傾斜性の重要性を強調した。 まず,グリーンAIの文献で提案される効率指標を概観し,提案した効率指標を用いて,カーネルマシンとディープラーニングの分野におけるTNの例を評価する。 本論文は,グリーンAIとTNの基本原理をブリッジすることで,意味のある,建設的な議論をインセンティブ化することを目的とする。 我々は、研究者が研究プロジェクトへのTNの統合を真剣に評価することを提唱し、本論文で確立されたリンクと合わせて、グリーンAIの原則を研究優先として扱うことを奨励する事前の呼びかけを支持する。

関連論文リスト

• Green Federated Learning: A new era of Green Aware AI [11.536626349203361]
  フェデレートラーニング(FL)は、このニーズに対処する新たな機会を提供する。 グリーンアウェアなAIアルゴリズムの既存の取り組みとギャップをナビゲートし、理解するためのロードマップを、研究者、ステークホルダ、関心のある関係者に提供することが重要です。 この調査は主に、100を超えるFL作品を特定し分析することで、この目的を達成することを目的としている。
  論文  参考訳（メタデータ） (2024-09-19T09:54:18Z)
• Towards Green AI: Current status and future research [0.3749861135832072]
  我々は、環境アセスメントとAIシステムのコードデザインの両方に対するアプローチの現状を調査することで、グリーンAIに関する言論を広げることを目指している。 我々は、関連する計算ハードウェアの炭素フットプリントを例示的に推定し、グリーンAIの手法をさらに調査する必要性を強調する。 AIを活用することで、AI4greenAIという独自の環境課題を軽減できると考えています。
  論文  参考訳（メタデータ） (2024-05-01T08:10:01Z)
• Green Edge AI: A Contemporary Survey [46.11332733210337]
  AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。 ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。 その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
  論文  参考訳（メタデータ） (2023-12-01T04:04:37Z)
• Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
  大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。 LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。 最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
  論文  参考訳（メタデータ） (2023-11-20T14:30:55Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• The Ethics of AI Value Chains [0.6138671548064356]
  AI倫理に関心を持つ研究者、実践者、政策立案者は、AIシステムの研究と介入にもっと統合的なアプローチを必要とする。 我々は、戦略的管理、サービス科学、経済地理学、産業、政府、応用研究文献から、バリューチェーンとAIバリューチェーンの理論をレビューする。 我々は、研究者、実践者、政策立案者がAIバリューチェーン全体にわたってより倫理的なプラクティスを進めることができる3つの今後の方向性を推奨します。
  論文  参考訳（メタデータ） (2023-07-31T15:55:30Z)
• A Systematic Review of Green AI [8.465228064780744]
  グリーンAIは、AI環境の持続可能性の研究である。 この話題は、2020年以降、かなりの成長を遂げた。 このレビューから、他のGreen AI研究戦略を採用するのに適した時期が浮かび上がっている。
  論文  参考訳（メタデータ） (2023-01-26T11:41:46Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
  ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。 AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。 我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
  論文  参考訳（メタデータ） (2022-04-11T14:36:39Z)

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。