論文の概要: The impact of the AI revolution on asset management
- arxiv url: http://arxiv.org/abs/2304.10212v2
- Date: Mon, 24 Apr 2023 16:37:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 11:21:01.694611
- Title: The impact of the AI revolution on asset management
- Title（参考訳）: ai革命が資産管理に与える影響
- Authors: Michael Kopp
- Abstract要約: 近年のディープラーニングの進歩により、マシンに素晴らしい能力が与えられるようになった。
この記事では、AIが資産管理全般に与える影響について、私の見解を共有します。
私は、あるファンドがディープラーニングを真に活用するかどうかを判断するための簡単な基準を読者に提供する精神的な枠組みを提供します。
- 参考スコア（独自算出の注目度）: 0.30458514384586405
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent progress in deep learning, a special form of machine learning, has led
to remarkable capabilities machines can now be endowed with: they can read and
understand free flowing text, reason and bargain with human counterparts,
translate texts between languages, learn how to take decisions to maximize
certain outcomes, etc. Today, machines have revolutionized the detection of
cancer, the prediction of protein structures, the design of drugs, the control
of nuclear fusion reactors etc. Although these capabilities are still in their
infancy, it seems clear that their continued refinement and application will
result in a technological impact on nearly all social and economic areas of
human activity, the likes of which we have not seen before. In this article, I
will share my view as to how AI will likely impact asset management in general
and I will provide a mental framework that will equip readers with a simple
criterion to assess whether and to what degree a given fund really exploits
deep learning and whether a large disruption risk from deep learning exist.
- Abstract（参考訳）: 機械学習の特殊な形態であるディープラーニングの最近の進歩は、機械に与えられた驚くべき能力に繋がった: フリーフローのテキストを読み、理解したり、人間との理性や交渉をしたり、言語間でテキストを翻訳したり、決定を下す方法を学び、ある結果の最大化など。
今日、機械は癌の検出、タンパク質構造の予測、薬物の設計、核融合炉の制御などに革命をもたらした。
これらの能力はまだ初期段階にあるが、その継続的な洗練と応用が人間の活動のほとんど全ての社会的、経済的領域に技術的影響をもたらすことは明らかである。
本稿では、aiがアセットマネージメント全般にどのように影響するかについて、私の見解を共有します。そして、あるファンドがディープラーニングを実際にどの程度活用しているか、そして深層学習による大きなディスラプションリスクが存在するかどうかを評価するための簡単な基準を読者に提供するためのメンタルフレームワークを提供します。
関連論文リスト
- Cutting Through the Confusion and Hype: Understanding the True Potential of Generative AI [0.0]
本稿では,生成型AI(genAI)の微妙な景観について考察する。
それは、Large Language Models (LLMs)のようなニューラルネットワークベースのモデルに焦点を当てている。
論文 参考訳（メタデータ） (2024-10-22T02:18:44Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - 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) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - Examining the Differential Risk from High-level Artificial Intelligence
and the Question of Control [0.0]
将来のAI能力の範囲と範囲は、依然として重要な不確実性である。
AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。
本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-06T15:46:02Z) - When not to use machine learning: a perspective on potential and
limitations [0.0]
データ駆動モデリングの指針原則と、これらの原則が、ほぼ魔法のような予測力を持つモデルをどのように組み合わせているかを強調します。
フォローすべき議論は、研究者にそのテクニックが適切かどうかをよりよく理解してもらうことを願っている。
論文 参考訳（メタデータ） (2022-10-06T04:00:00Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - 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) - LioNets: A Neural-Specific Local Interpretation Technique Exploiting
Penultimate Layer Information [6.570220157893279]
解釈可能な機械学習(IML)は研究の緊急のトピックである。
本稿では,テキストデータと時系列データに適用される局所的,神経特異的な解釈プロセスに焦点を当てる。
論文 参考訳（メタデータ） (2021-04-13T09:39:33Z) - 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。