論文の概要: Towards green AI-based software systems: an architecture-centric approach (GAISSA)

• arxiv url: http://arxiv.org/abs/2307.09964v1
• Date: Wed, 19 Jul 2023 13:14:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 13:57:29.823194
• Title: Towards green AI-based software systems: an architecture-centric approach (GAISSA)
• Title（参考訳）: グリーンAIベースのソフトウェアシステムに向けて:アーキテクチャ中心アプローチ(GAISSA)
• Authors: Silverio Mart\'inez-Fern\'andez, Xavier Franch, Francisco Dur\'an
• Abstract要約: GAISSAプロジェクトは、グリーンAIベースのシステムのモデリングと開発のために、データサイエンティストとソフトウェアエンジニアがツールでサポートし、アーキテクチャ中心の方法を提供することを目的としている。 プロジェクトはまだ初期段階であるが,GAISSA目標達成の可能性を示す現在の研究成果について述べる。
• 参考スコア（独自算出の注目度）: 7.194465440864905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, AI-based systems have achieved outstanding results and have outperformed humans in different domains. However, the processes of training AI models and inferring from them require high computational resources, which pose a significant challenge in the current energy efficiency societal demand. To cope with this challenge, this research project paper describes the main vision, goals, and expected outcomes of the GAISSA project. The GAISSA project aims at providing data scientists and software engineers tool-supported, architecture-centric methods for the modelling and development of green AI-based systems. Although the project is in an initial stage, we describe the current research results, which illustrate the potential to achieve GAISSA objectives.
• Abstract（参考訳）: 現在、AIベースのシステムは優れた成果を上げており、異なる領域の人間よりも優れています。 しかし、AIモデルを訓練し、そこから推論するプロセスは高い計算資源を必要とするため、現在のエネルギー効率の社会的要求には大きな課題が生じる。 この課題に対処するため,本研究プロジェクト報告では,gaissaプロジェクトの主なビジョン,目標,期待される成果について述べる。 GAISSAプロジェクトは、グリーンAIベースのシステムのモデリングと開発のために、データサイエンティストとソフトウェアエンジニアがツールでサポートするアーキテクチャ中心の方法を提供することを目的としている。 プロジェクトはまだ初期段階であるが,GAISSA目標達成の可能性を示す現在の研究成果について述べる。

関連論文リスト

• Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
  ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている 生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。 ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
  論文  参考訳（メタデータ） (2024-10-26T15:42:50Z)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Evolutionary Computation for the Design and Enrichment of General-Purpose Artificial Intelligence Systems: Survey and Prospects [19.000676941637987]
  汎用人工知能システム(GPAIS)は、モデル構成と適応性の課題を提起する。 Evolutionary Computation (EC)は機械学習モデルの設計と最適化の両方に有用なツールである。 本稿では,GPAISの分野におけるECの役割を解析し,その設計や富化におけるECの利用について検討する。
  論文  参考訳（メタデータ） (2024-06-03T15:47:17Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [56.44953602790945]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Towards Green AI: Current status and future research [0.3749861135832072]
  我々は、環境アセスメントとAIシステムのコードデザインの両方に対するアプローチの現状を調査することで、グリーンAIに関する言論を広げることを目指している。 我々は、関連する計算ハードウェアの炭素フットプリントを例示的に推定し、グリーンAIの手法をさらに調査する必要性を強調する。 AIを活用することで、AI4greenAIという独自の環境課題を軽減できると考えています。
  論文  参考訳（メタデータ） (2024-05-01T08:10:01Z)
• A Survey of Serverless Machine Learning Model Inference [0.0]
  ジェネレーティブAI、コンピュータビジョン、自然言語処理は、AIモデルをさまざまな製品に統合するきっかけとなった。 本調査は,大規模ディープラーニングサービスシステムにおける新たな課題と最適化の機会を要約し,分類することを目的としている。
  論文  参考訳（メタデータ） (2023-11-22T18:46:05Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
  ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。 この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。 マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
  論文  参考訳（メタデータ） (2023-04-10T03:55:35Z)
• TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs [71.7495056818522]
  私たちは、基礎モデルと数百万のAPIを結合してタスク補完を行う、新しいAIエコシステムとしてTaskMatrix.AIを紹介します。 このようなエコシステムを構築するためのビジョンを示し、それぞれの重要なコンポーネントを説明し、このビジョンの実現可能性と次に取り組むべき主な課題の両方を説明するために研究ケースを使用します。
  論文  参考訳（メタデータ） (2023-03-29T03:30:38Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

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。