論文の概要: The Importance of (Exponentially More) Computing Power

• arxiv url: http://arxiv.org/abs/2206.14007v1
• Date: Tue, 28 Jun 2022 13:50:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:30:59.298908
• Title: The Importance of (Exponentially More) Computing Power
• Title（参考訳）: コンピューティングパワーの重要性
• Authors: Neil C. Thompson, Shuning Ge, Gabriel F. Manso
• Abstract要約: シリコンバレーのデニゼンはムーアの法則を「人類史上最も重要なグラフ」と呼んだ。 ムーアの法力によるI.T.革命は、国家の生産性向上の最も重要な源の1つとなっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Denizens of Silicon Valley have called Moore's Law "the most important graph in human history," and economists have found that Moore's Law-powered I.T. revolution has been one of the most important sources of national productivity growth. But data substantiating these claims tend to either be abstracted - for example by examining spending on I.T., rather than I.T. itself - or anecdotal. In this paper, we assemble direct quantitative evidence of the impact that computing power has had on five domains: two computing bellwethers (Chess and Go), and three economically important applications (weather prediction, protein folding, and oil exploration). Computing power explains 49%-94% of the performance improvements in these domains. But whereas economic theory typically assumes a power-law relationship between inputs and outputs, we find that an exponential increase in computing power is needed to get linear improvements in these outcomes. This helps clarify why the exponential growth of computing power from Moore's Law has been so important for progress, and why performance improvements across many domains are becoming economically tenuous as Moore's Law breaks down.
• Abstract（参考訳）: シリコンバレーのデニジンはムーアの法則を「人類史上最も重要なグラフ」と呼び、経済学者はムーアの法則駆動のi.t.革命が国内生産性向上の最も重要な源の1つであることを見出した。 しかし、これらの主張を裏付けるデータは、例えば、I.T.自体ではなく、I.T.への支出を調べることによって、抽象化される傾向にある。 本稿では,2つの計算ベザー (Chess と Go) と3つの経済的重要な応用 (ウェザー予測,タンパク質の折り畳み,石油探査) の5つの領域にコンピュータパワーが与えた影響の直接的な定量的証拠を収集する。 計算能力はこれらの領域のパフォーマンス改善の49%から94%である。 しかし、経済理論は通常、入力と出力の間の電力-法則関係を仮定するが、これらの結果に線形改善を得るためには、計算能力の指数的な増加が必要である。 これは、ムーアの法則によるコンピューティングパワーの指数関数的な成長が進歩にとって非常に重要である理由と、ムーアの法則が崩壊するにつれて、多くのドメインのパフォーマンス改善が経済的に不安定になっている理由を明確にするのに役立つ。

関連論文リスト

• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
  政府や企業は、AIを管理する手段として計算を活用し始めている。 計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。 プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
  論文  参考訳（メタデータ） (2024-02-13T21:10:21Z)
• Edge Computing for Semantic Communication Enabled Metaverse: An Incentive Mechanism Design [72.27143788103245]
  SemComとエッジコンピューティングは、Metaverseにおける巨大なデータ通信、帯域幅効率、低レイテンシデータ処理の新たな要件に対処するための破壊的なソリューションである。 深層学習(DL)に基づくオークションは、近年、重要な経済特性を保持しながら収益を最大化するインセンティブメカニズムとして提案されている。 本稿では,SemCom対応Metaverseにおけるエッジリソース割り当てのためのDLベースのオークションの設計について述べる。
  論文  参考訳（メタデータ） (2022-12-13T10:29:41Z)
• Making use of supercomputers in financial machine learning [0.0]
  この記事は、FujitsuとAdvestisのコラボレーションの結果です。 そこで我々は,不楽の高性能コンピュータ上で,投資レコメンデーションを創出する体系的な探索に基づくアルゴリズムを実行した。 その結果,探索ルールの数の増加は最終ルールセットの予測性能の増大をもたらすことがわかった。
  論文  参考訳（メタデータ） (2022-03-01T13:26:34Z)
• Compute and Energy Consumption Trends in Deep Learning Inference [67.32875669386488]
  コンピュータビジョンと自然言語処理の分野における関連モデルについて検討する。 継続的な性能向上のために、これまで予想されていたよりもエネルギー消費の軟化が見られた。
  論文  参考訳（メタデータ） (2021-09-12T09:40:18Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Advancing Computing's Foundation of US Industry & Society [1.443696537295348]
  ITの影響下にあるのは、コンピュータハードウェアの劇的な改善であり、新しい機能をアンロックするパフォーマンスを提供する。 100倍のハードウェアを使わずに次のAIを飛躍させるだろうか? この白書はムーアの法則を超えた新しいコンピューティングアプローチを開発するための多角的努力を主張する。
  論文  参考訳（メタデータ） (2021-01-04T23:40:45Z)
• Opportunities and Challenges for Next Generation Computing [15.353310611407627]
  ムーアの法則はムーアの法則と呼ばれる1チップあたりのトランジスタを2倍にした。 Denson Scalingは、これらのパフォーマンスの倍増を、ほぼ一定のパワーで可能にしていますが、見てほしいのは、両方のトレンドが課題に直面しています。 同様の性能のコンピュータがポケットに収まり、10ワット未満の電力を消費する。
  論文  参考訳（メタデータ） (2020-07-31T18:16:49Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)

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。