論文の概要: Search Still Matters: Information Retrieval in the Era of Generative AI
- arxiv url: http://arxiv.org/abs/2311.18550v1
- Date: Thu, 30 Nov 2023 13:36:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 16:32:51.481157
- Title: Search Still Matters: Information Retrieval in the Era of Generative AI
- Title(参考訳): 検索は依然として重要だ: 生成ai時代の情報検索
- Authors: William R. Hersh
- Abstract要約: この視点は、IRプロセスのモチベーション、考慮、結果の文脈における生成的AIの使用を探求する。
このようなシステムのユーザ、特に学者は、信頼性、タイムライン、検索の文脈化に関する懸念を持っている。
- 参考スコア(独自算出の注目度): 1.68609633200389
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective: Information retrieval (IR, also known as search) systems are
ubiquitous in modern times. How does the emergence of generative artificial
intelligence (AI), based on large language models (LLMs), fit into the IR
process? Process: This perspective explores the use of generative AI in the
context of the motivations, considerations, and outcomes of the IR process with
a focus on the academic use of such systems. Conclusions: There are many
information needs, from simple to complex, that motivate use of IR. Users of
such systems, particularly academics, have concerns for authoritativeness,
timeliness, and contextualization of search. While LLMs may provide
functionality that aids the IR process, the continued need for search systems,
and research into their improvement, remains essential.
- Abstract(参考訳): 目的: 情報検索システム(IR、検索とも呼ばれる)は、現代においてユビキタスである。
大規模言語モデル(LLM)に基づく生成人工知能(AI)の出現は、IRプロセスにどのように適合するのか?
プロセス: この視点は、そのようなシステムの学術的利用に焦点を当てたIRプロセスのモチベーション、考慮、成果の文脈における生成的AIの使用を探求する。
結論: 単純なものから複雑なものまで、irの使用を動機付ける多くの情報ニーズがあります。
このようなシステム、特に学者のユーザーは、権威性、タイムライン、検索の文脈化に懸念を持っている。
LLMはIRプロセスを支援する機能を提供しているが、検索システムへの継続的なニーズと改善の研究は依然として不可欠である。
関連論文リスト
- A Survey of Imitation Learning: Algorithms, Recent Developments, and
Challenges [9.288673880680033]
模倣学習(英: mimicion learning、IL)とは、専門家の行動を模倣することによって望ましい行動が学習される過程である。
本稿では、ILの概要と、その基礎となる前提とアプローチの概要について述べる。
また、この分野における最近の進歩と新たな研究分野についても詳述している。
論文 参考訳(メタデータ) (2023-09-05T11:56:07Z) - Large Language Models for Information Retrieval: A Survey [57.7992728506871]
情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。
近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。
LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
論文 参考訳(メタデータ) (2023-08-14T12:47:22Z) - Information Retrieval Meets Large Language Models: A Strategic Report
from Chinese IR Community [180.28262433004113]
大規模言語モデル(LLM)は、テキスト理解、生成、知識推論において例外的な能力を示した。
LLMと人間は、情報検索のためにより強力な新しい技術パラダイムを形成します。
LLMがIR研究に与える影響を徹底的に議論するため、中国のIRコミュニティは2023年4月に戦略的ワークショップを開催した。
論文 参考訳(メタデータ) (2023-07-19T05:23:43Z) - Synergistic Interplay between Search and Large Language Models for
Information Retrieval [141.18083677333848]
InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。
InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
論文 参考訳(メタデータ) (2023-05-12T11:58:15Z) - Conceptual Modeling and Artificial Intelligence: A Systematic Mapping
Study [0.5156484100374059]
概念モデリング(CM)では、人間は理解とコミュニケーションの手段として現実の抜粋を抽象的に表現し、機械による処理を行う。
近年、CMとAIの連携のトレンドが生まれている。
本研究は,この学際研究分野がどのように構成され,相互利益は,学間研究と今後の研究の方向性によって得られるかを示す。
論文 参考訳(メタデータ) (2023-03-12T21:23:46Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳(メタデータ) (2022-11-27T13:07:14Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - Neural Approaches to Conversational Information Retrieval [94.77863916314979]
会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。
近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
論文 参考訳(メタデータ) (2022-01-13T19:04:59Z) - Neural Methods for Effective, Efficient, and Exposure-Aware Information
Retrieval [7.3371176873092585]
情報検索の具体的なニーズと課題に動機づけられた新しいニューラルアーキテクチャと手法を紹介します。
多くの実生活のIRタスクにおいて、検索には数十億のドキュメントを含む商用Web検索エンジンのドキュメントインデックスなど、非常に大規模なコレクションが含まれる。
論文 参考訳(メタデータ) (2020-12-21T21:20:16Z)
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。