論文の概要: Artificial Intelligence: 70 Years Down the Road
- arxiv url: http://arxiv.org/abs/2303.02819v1
- Date: Mon, 6 Mar 2023 01:19:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 17:38:32.439559
- Title: Artificial Intelligence: 70 Years Down the Road
- Title（参考訳）: 人工知能:70年が経ちました
- Authors: Lin Zhang
- Abstract要約: 我々は、過去の失敗の背後にある理由と現在のAIの成功を理解するために、技術的および哲学的な視点から理由を分析しました。
我々は、AIの持続可能な開発方向性は、人間と機械のコラボレーションと、コンピュータパワーを中心とした技術パスであるべきだと結論付けている。
- 参考スコア（独自算出の注目度）: 4.952211615828121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) has a history of nearly a century from its
inception to the present day. We have summarized the development trends and
discovered universal rules, including both success and failure. We have
analyzed the reasons from both technical and philosophical perspectives to help
understand the reasons behind the past failures and current successes of AI,
and to provide a basis for thinking and exploring future development.
Specifically, we have found that the development of AI in different fields,
including computer vision, natural language processing, and machine learning,
follows a pattern from rules to statistics to data-driven methods. In the face
of past failures and current successes, we need to think systematically about
the reasons behind them. Given the unity of AI between natural and social
sciences, it is necessary to incorporate philosophical thinking to understand
and solve AI problems, and we believe that starting from the dialectical method
of Marx is a feasible path. We have concluded that the sustainable development
direction of AI should be human-machine collaboration and a technology path
centered on computing power. Finally, we have summarized the impact of AI on
society from this trend.
- Abstract（参考訳）: 人工知能(ai)は、その始まりから現在に至るまで1世紀近くの歴史を持つ。
我々は開発トレンドを要約し、成功と失敗の両方を含む普遍的なルールを発見した。
我々は、過去の失敗の背後にある理由と現在のAIの成功を理解するのに役立ち、技術と哲学の両方の観点から理由を分析し、将来の開発を考え探求するための基盤を提供する。
具体的には、コンピュータビジョン、自然言語処理、機械学習など、さまざまな分野におけるAIの開発が、ルールから統計学、データ駆動手法に至るまでのパターンに従うことを発見した。
過去の失敗や現在の成功に直面した私たちは,その背後にある理由を体系的に考える必要があります。
自然科学と社会科学の融合を考えると、aiの問題を理解・解決するために哲学的思考を取り入れる必要があり、マルクスの弁証法から始めることは実現可能な道だと信じている。
我々は、AIの持続可能な開発方向性は、人間と機械のコラボレーションと、コンピュータパワーを中心とした技術パスであるべきだと結論付けている。
最後に、この傾向から、AIが社会に与える影響を要約した。
関連論文リスト
- AI and Social Theory [0.0]
我々は、人工知能(AI)が意味するものを定義することから始まる、AI駆動型社会理論のプログラムをスケッチする。
そして、AIベースのモデルがデジタルデータの可用性を増大させ、予測力に基づいて異なる社会的理論の有効性をテストするためのモデルを構築します。
論文 参考訳（メタデータ） (2024-07-07T12:26:16Z) - Visions of a Discipline: Analyzing Introductory AI Courses on YouTube [11.209406323898019]
われわれはYouTubeで最も視聴された20のAIコースを分析した。
導入型AIコースは、AIの倫理的または社会的課題に有意義に関わっていない。
我々は、よりバランスのとれた視点を示すために、AIの倫理的課題を強調しておくことを推奨する。
論文 参考訳（メタデータ） (2024-05-31T01:48:42Z) - Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。
10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。
AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
論文 参考訳（メタデータ） (2024-04-06T22:18:31Z) - 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) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - A Historical Interaction between Artificial Intelligence and Philosophy [0.0]
本稿では,研究パラダイムの観点から,AIの歴史的発展と代表的な哲学的思考についてレビューする。
哲学的な観点からAIの方法論と応用を考察し、その継続的な進歩を期待する。
論文 参考訳（メタデータ） (2022-07-23T22:37:22Z) - 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) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Socially Responsible AI Algorithms: Issues, Purposes, and Challenges [31.382000425295885]
技術者とAI研究者は、信頼できるAIシステムを開発する責任がある。
AIと人間の長期的な信頼を構築するためには、アルゴリズムの公正性を超えて考えることが鍵だ、と私たちは主張する。
論文 参考訳（メタデータ） (2021-01-01T17:34:42Z) - 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)
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。