論文の概要: Annotated History of Modern AI and Deep Learning
- arxiv url: http://arxiv.org/abs/2212.11279v1
- Date: Wed, 21 Dec 2022 16:46:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 14:10:29.798080
- Title: Annotated History of Modern AI and Deep Learning
- Title（参考訳）: 最新のAIとディープラーニングの注釈付き歴史
- Authors: Juergen Schmidhuber
- Abstract要約: 私は、ニューラルネットワーク(NN)とディープラーニングに支配される現代の人工知能(AI)の歴史に注目します。
現代のAIの歴史は、従来のAIテキストブックの焦点外のブレークスルーを強調するだろう。
NN、ディープラーニング、AI、コンピュータサイエンス、数学全般の歴史において、最も重要なイベントのタイムラインを提供します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Machine learning is the science of credit assignment: finding patterns in
observations that predict consequences of actions and help to improve future
performance. Credit assignment is also required for human understanding of how
the world works, not only for individuals navigating daily life, but also for
academic professionals like historians who interpret the present in light of
past events. Here I focus on the history of modern artificial intelligence (AI)
which is dominated by artificial neural networks (NNs) and deep learning, both
conceptually closer to the old field of cybernetics than to what's been called
AI since 1956 (e.g., expert systems and logic programming). A modern history of
AI will emphasize breakthroughs outside of the focus of traditional AI text
books, in particular, mathematical foundations of today's NNs such as the chain
rule (1676), the first NNs (linear regression, circa 1800), and the first
working deep learners (1965-). From the perspective of 2022, I provide a
timeline of the -- in hindsight -- most important relevant events in the
history of NNs, deep learning, AI, computer science, and mathematics in
general, crediting those who laid foundations of the field. The text contains
numerous hyperlinks to relevant overview sites from my AI Blog. It supplements
my previous deep learning survey (2015) which provides hundreds of additional
references. Finally, to round it off, I'll put things in a broader historic
context spanning the time since the Big Bang until when the universe will be
many times older than it is now.
- Abstract（参考訳）: 機械学習は信用割り当ての科学であり、行動の結果を予測し、将来のパフォーマンスを改善するのに役立つ観察のパターンを見つける。
信用の割り当ては、生活をナビゲートする個人だけでなく、過去の出来事に照らして現在を解釈する歴史家のような学術専門家にとっても、世界がどのように機能するかの人間の理解にも必要である。
ここでは、ニューラルネットワーク(NN)とディープラーニングが支配する現代の人工知能(AI)の歴史に焦点を当てます。
現代のAIの歴史は、伝統的なAIテキストブック、特にチェーンルール(1676年)、最初のNN(線形回帰、1800年頃)、そして最初に働く深層学習者(161965年-)など、今日のNNの数学的基盤以外のブレークスルーを強調している。
2022年の観点から、私はnns、ディープラーニング、ai、コンピュータサイエンス、数学全般の歴史において最も重要な重要な出来事のタイムラインを提供し、この分野の基礎を築いた人たちの功績を称えます。
このテキストには、私のAIブログの関連サイトへの多数のハイパーリンクが含まれている。
これは、私の以前のdeep learning survey (2015)を補完します。
そして最後に、宇宙が今よりも何倍も長くなるまで、ビッグバン以来の、より広い歴史的文脈で物事を展開します。
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) - Understanding Natural Language Understanding Systems. A Critical
Analysis [91.81211519327161]
自然言語理解システム(Natural Language Understanding (NLU) system)としても知られる usguillemotright(英語版) のようなギユモトレフトークを持つ機械の開発は、人工知能の聖杯(英語版) (AI) である。
しかし、Gillemottalking machineguillemotrightを構築することができるという信頼は、次世代のNLUシステムによってもたらされたものよりも強かった。
私たちは新しい時代の夜明けに、ついに砂利が我々に近づいたのか?
論文 参考訳（メタデータ） (2023-03-01T08:32:55Z) - 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) - Predicting the Future of AI with AI: High-quality link prediction in an
exponentially growing knowledge network [15.626884746513712]
AI技術を使って、AI自体の将来的な研究方向を予測する。
そのため、10万以上の研究論文を使って、64,000以上の概念ノードを持つナレッジネットワークを構築しています。
最も強力な方法は、エンドツーエンドのAIアプローチではなく、慎重にキュレートされたネットワーク機能のセットを使用する。
論文 参考訳（メタデータ） (2022-09-23T14:04:37Z) - 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) - Deep Learning and Artificial General Intelligence: Still a Long Way to
Go [0.15229257192293197]
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。
論文 参考訳（メタデータ） (2022-03-25T23:36:17Z) - Artificial Intelligence for the Metaverse: A Survey [66.57225253532748]
まず、機械学習アルゴリズムやディープラーニングアーキテクチャを含むAIの予備と、メタバースにおけるその役割について紹介する。
次に、メタバースの可能性を秘めた6つの技術的側面に関するAIベースの手法に関する包括的調査を行う。
医療、製造業、スマートシティ、ゲームなどのAI支援アプリケーションは、仮想世界に展開するために研究されている。
論文 参考訳（メタデータ） (2022-02-15T03:34:56Z) - Challenges of Artificial Intelligence -- From Machine Learning and
Computer Vision to Emotional Intelligence [0.0]
AIは人間の支配者ではなく、支援者である、と私たちは信じています。
コンピュータビジョンはAIの開発の中心となっている。
感情は人間の知性の中心であるが、AIではほとんど使われていない。
論文 参考訳（メタデータ） (2022-01-05T06:00:22Z) - A brief history of AI: how to prevent another winter (a critical review) [0.6299766708197883]
何十年もの間、AIの進化について簡単に説明し、その決定的な瞬間と、開始から現在への大きな転換点を強調しています。
その際、我々は学び、未来を予測し、また別の「冬」を防ぐためにどのような措置をとるかについて議論する。
論文 参考訳（メタデータ） (2021-09-03T13:41:46Z) - 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) - Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike
Common Sense [142.53911271465344]
我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。
我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
論文 参考訳（メタデータ） (2020-04-20T04:07:28Z)
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。