論文の概要: GResilience: Trading Off Between the Greenness and the Resilience of Collaborative AI Systems

• arxiv url: http://arxiv.org/abs/2311.04569v1
• Date: Wed, 8 Nov 2023 10:01:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-09 16:12:56.817476
• Title: GResilience: Trading Off Between the Greenness and the Resilience of Collaborative AI Systems
• Title（参考訳）: GResilience: グリーンネスとコラボレーション型AIシステムのレジリエンスのトレードオフ
• Authors: Diaeddin Rimawi, Antonio Liotta, Marco Todescato, Barbara Russo
• Abstract要約: 本稿では, レジリエンスとグリーンネスのトレードオフが可能なCAIS回復行動を自動的に評価する手法を提案する。 本研究の目的は,最適化による1エージェント決定問題とゲーム理論による2エージェント決定問題である。
• 参考スコア（独自算出の注目度）: 1.869472599236422
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A Collaborative Artificial Intelligence System (CAIS) works with humans in a shared environment to achieve a common goal. To recover from a disruptive event that degrades its performance and ensures its resilience, a CAIS may then need to perform a set of actions either by the system, by the humans, or collaboratively together. As for any other system, recovery actions may cause energy adverse effects due to the additional required energy. Therefore, it is of paramount importance to understand which of the above actions can better trade-off between resilience and greenness. In this in-progress work, we propose an approach to automatically evaluate CAIS recovery actions for their ability to trade-off between the resilience and greenness of the system. We have also designed an experiment protocol and its application to a real CAIS demonstrator. Our approach aims to attack the problem from two perspectives: as a one-agent decision problem through optimization, which takes the decision based on the score of resilience and greenness, and as a two-agent decision problem through game theory, which takes the decision based on the payoff computed for resilience and greenness as two players of a cooperative game.
• Abstract（参考訳）: 協調人工知能システム(CAIS)は、共通の目標を達成するために、共有環境で人間と連携する。 パフォーマンスを低下させレジリエンスを確保する破壊的なイベントから回復するためには、CAISはシステムによって、人間によって、または協力的に、一連のアクションを実行する必要がある。 他のシステムでは、回復行動は追加の必要エネルギーによるエネルギーの悪影響を引き起こす可能性がある。 したがって、上記の行動のどちらがレジリエンスとグリーンネスのトレードオフを改善するかを理解することが最重要となる。 本研究は,CAISの回復行動を自動的に評価し,システムのレジリエンスとグリーンネスのトレードオフを可能にする手法を提案する。 我々は実験プロトコルとその実際のcaisデモストラクタへの応用も設計した。 提案手法は,レジリエンスとグリーンネスのスコアに基づいて決定を行う最適化による1エージェント決定問題,協調ゲームの2プレイヤーとしてレジリエンスとグリーンネスを計算した報酬に基づいて決定を行うゲーム理論による2エージェント決定問題という2つの視点から問題に取り組むことを目的としている。

関連論文リスト

• Cooperative Resilience in Artificial Intelligence Multiagent Systems [2.0608564715600273]
  本稿では, 協調レジリエンスの明確な定義とその定量化手法を提案する。 その結果は、集団システムが破壊に直面してどのように準備し、抵抗し、回復し、幸福を維持し、変革するかを分析する上で、レジリエンス指標の重要な役割を強調している。
  論文  参考訳（メタデータ） (2024-09-20T03:28:48Z)
• Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
  本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。 Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
  論文  参考訳（メタデータ） (2023-11-13T16:00:16Z)
• Green Resilience of Cyber-Physical Systems [0.0]
  Cyber-Physical System (CPS) は、ハードウェアコンポーネントとソフトウェアコンポーネントの両方を結合してリアルタイムサービスを実行するシステムである。 システムのレジリエンスを達成するためには、リカバリ技術が必要である。 この提案は、CPSにおけるレジリエンスとグリーンを達成するためのゲーム理論ソリューションを提案する。
  論文  参考訳（メタデータ） (2023-11-09T08:29:55Z)
• CAIS-DMA: A Decision-Making Assistant for Collaborative AI Systems [1.4325175162807644]
  コラボレーティブ人工知能システム(CAIS)は、人間と協調して共通の目標を達成するために行動を学ぶサイバー物理システムである。 イベントがCAIS(すなわち破壊的なイベント)のパフォーマンスを低下させるとき、この決定プロセスは妨げられるか、停止される。 本稿では,ディスラプティブイベント後にシステムの性能劣化が発生した場合,CAISにおける意思決定プロセスを支援する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T09:49:46Z)
• Parametrically Retargetable Decision-Makers Tend To Seek Power [91.93765604105025]
  完全に観察可能な環境では、ほとんどの報酬関数は、オプションを開いて生き続けることで力を求める最適なポリシーを持つ。 我々は、最適からランダムまで、AI意思決定のモデルから、学習と環境との対話によって得られる選択まで、さまざまなモデルを検討します。 定性的に異なる意思決定手順がエージェントに力を求めるインセンティブを与えることを示す。
  論文  参考訳（メタデータ） (2022-06-27T17:39:23Z)
• Safe adaptation in multiagent competition [48.02377041620857]
  マルチエージェントの競争シナリオでは、エゴエージェントは前例のない振る舞いを持つ新しい相手に適応しなければならない。 エゴエージェントは、相手を悪用するために自身の行動を更新するので、その行動はより悪用される可能性がある。 我々は,エゴエージェントを正規化相手モデルに対してトレーニングする安全な適応手法を開発する。
  論文  参考訳（メタデータ） (2022-03-14T23:53:59Z)
• Beyond Robustness: A Taxonomy of Approaches towards Resilient Multi-Robot Systems [41.71459547415086]
  我々はエージェントとマルチロボットシステムのネットワークにおけるレジリエンスの達成方法を分析する。 我々はレジリエンスがエンジニアリング設計の中心となる必要があると主張している。
  論文  参考訳（メタデータ） (2021-09-25T11:25:02Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)
• Intrinsic Motivation for Encouraging Synergistic Behavior [55.10275467562764]
  スパース・リワード・シナジスティック・タスクにおける強化学習の探索バイアスとしての本質的モチベーションの役割について検討した。 私たちのキーとなる考え方は、シナジスティックなタスクにおける本質的なモチベーションのための優れた指針は、エージェントが自分自身で行動している場合、達成できない方法で世界に影響を与える行動を取ることである。
  論文  参考訳（メタデータ） (2020-02-12T19:34:51Z)
• Cooperative Inverse Reinforcement Learning [64.60722062217417]
  協調強化学習(CIRL)としての値アライメント問題の形式的定義を提案する。 CIRL問題は、人間とロボットの2人のエージェントによる協調的部分情報ゲームであり、どちらも人間の報酬関数に従って報酬を受けるが、ロボットは当初それが何であるかを知らない。 古典的なIRLとは対照的に、人間は孤立して最適な行動をとると仮定されるが、最適なCIRLソリューションは活発な教育、活発な学習、コミュニケーション行動などの行動を生み出す。
  論文  参考訳（メタデータ） (2016-06-09T22:39:54Z)

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。