論文の概要: AI4OPT: AI Institute for Advances in Optimization
- arxiv url: http://arxiv.org/abs/2307.02671v1
- Date: Wed, 5 Jul 2023 22:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 15:54:26.708450
- Title: AI4OPT: AI Institute for Advances in Optimization
- Title(参考訳): AI4OPT:AI Institute for Advances in Optimization
- Authors: Pascal Van Hentenryck, Kevin Dalmeijer
- Abstract要約: AI4OPTはAIと最適化を融合させ、サプライチェーン、エネルギーシステム、チップの設計と製造、持続可能な食品システムにおけるエンドユースケースにインスパイアされている。
AI4OPTはまた、工学のためのAIの縦方向の教育経路を提供するために、その「教師を教える」哲学を適用している。
- 参考スコア(独自算出の注目度): 19.965556179096385
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article is a short introduction to AI4OPT, the NSF AI Institute for
Advances in Optimization. AI4OPT fuses AI and Optimization, inspired by end-use
cases in supply chains, energy systems, chip design and manufacturing, and
sustainable food systems. AI4OPT also applies its "teaching the teachers"
philosophy to provide longitudinal educational pathways in AI for engineering.
- Abstract(参考訳): この記事は、NSF AI Institute for Advances in OptimizationであるAI4OPTの短い紹介である。
AI4OPTはAIと最適化を融合させ、サプライチェーン、エネルギーシステム、チップの設計と製造、持続可能な食品システムのエンドユースケースにインスパイアされている。
AI4OPTはまた、工学のためのAIの縦方向の教育経路を提供するために、その「教師を教える」哲学を適用している。
関連論文リスト
- Green Edge AI: A Contemporary Survey [49.47249665895926]
グリーンエッジAIに関する現代の調査を紹介する。
その可能性にもかかわらず、エッジAIは重大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、ディープラーニング(DL)のリソース集約性との間の二分である。
我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
論文 参考訳(メタデータ) (2023-12-01T04:04:37Z) - AI for Open Science: A Multi-Agent Perspective for Ethically Translating
Data to Knowledge [4.055489363682199]
我々は,AI4Scienceのマルチエージェント拡張として,AI for Open Science(AI4OS)の概念を紹介した。
私たちのゴールは、AI4Science(例えば、自動運転ラボ)の自然な結果が、開発者だけでなく、社会全体の利益であることを保証することです。
論文 参考訳(メタデータ) (2023-10-28T23:57:15Z) - Prompt Sapper: LLM-Empowered Software Engineering Infrastructure for
AI-Native Services [37.05145017386908]
Prompt SapperはAIチェーンエンジニアリングによるAIネイティブサービスの開発をサポートすることを約束している。
それは、人間とAIの協調的なインテリジェンスを通じてAIチェーンをオーサリングするための、ソフトウェアエンジニアリングインフラストラクチャの強化された大きな言語モデル(LLM)を作成する。
この記事では、Prompt Sapperの背後にあるR&Dモチベーションと、それに対応するAIチェーンエンジニアリング方法論と技術的なプラクティスを紹介する。
論文 参考訳(メタデータ) (2023-06-04T01:47:42Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳(メタデータ) (2022-11-12T21:54:05Z) - A Perspective on K-12 AI Education [0.0]
学生のモチベーションを高め、創造的思考を促進するために、AIの学習が有益である理由について議論する。
我々は、米国と世界中でK-12 AI教育を推進すべく、教育コミュニティのより多くのメンバを興奮させ、参加させたいと思っています。
論文 参考訳(メタデータ) (2022-05-04T22:10:01Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - Confident AI [0.0]
本稿では,人工知能(AI)と機械学習(ML)システムを,モデル予測と報告結果に対するアルゴリズムとユーザ信頼性の両方で設計する手段として,信頼AIを提案する。
Confident AIの4つの基本原則は、反復性、信頼性、十分性、適応性である。
論文 参考訳(メタデータ) (2022-02-12T02:26:46Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - Conference proceedings KI4Industry AI for SMEs -- the online congress
for practical entry into AI for SMEs [0.0]
オンライン会議KI 4 Industryは、中規模の製造業者、中小企業、そして潜在的な応用分野がどこにあるかについて、人工知能がどのような機会を提供するかを示した。
KI 4 産業の主な目的は、知識、研究、技術が大学から中小規模企業へ移行し、AIという言葉をデミステリ化し、企業が自身のバリューチェーンや製品にAIベースのソリューションを使うことを促すことである。
論文 参考訳(メタデータ) (2021-06-14T15:08:01Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳(メタデータ) (2020-04-27T19:06:28Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z)
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。