論文の概要: Perspectives on the State and Future of Deep Learning -- 2023
- arxiv url: http://arxiv.org/abs/2312.09323v3
- Date: Tue, 19 Dec 2023 04:31:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 12:29:26.979977
- Title: Perspectives on the State and Future of Deep Learning -- 2023
- Title(参考訳): 深層学習の現状と将来 -2023年-
- Authors: Micah Goldblum, Anima Anandkumar, Richard Baraniuk, Tom Goldstein,
Kyunghyun Cho, Zachary C Lipton, Melanie Mitchell, Preetum Nakkiran, Max
Welling, Andrew Gordon Wilson
- Abstract要約: このシリーズの目標は、今日の機械学習の分野における意見と問題を、時間とともに変化するにつれて記録することである。
計画では、この調査をAIの特異点であるペーパークリップ・フレンチ駆動の土曜まで定期的に実施し、トピックに関する質問のリストを更新し、各エディションの新たなコミュニティメンバーにインタビューする。
- 参考スコア(独自算出の注目度): 237.1458929375047
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of this series is to chronicle opinions and issues in the field of
machine learning as they stand today and as they change over time. The plan is
to host this survey periodically until the AI singularity
paperclip-frenzy-driven doomsday, keeping an updated list of topical questions
and interviewing new community members for each edition. In this issue, we
probed people's opinions on interpretable AI, the value of benchmarking in
modern NLP, the state of progress towards understanding deep learning, and the
future of academia.
- Abstract(参考訳): このシリーズの目標は、今日の機械学習の分野における意見と問題を、時間とともに変化するにつれて記録することである。
計画では、この調査をAIの特異点であるペーパークリップ・フレンチ駆動の土曜まで定期的に実施し、トピックに関する質問のリストを更新し、各エディションの新たなコミュニティメンバーにインタビューする。
本稿では,解釈可能なAI,現代のNLPにおけるベンチマークの価値,ディープラーニングの理解に向けた進展状況,学術の将来について,人々の意見を調査した。
関連論文リスト
- Monitoring AI-Modified Content at Scale: A Case Study on the Impact of
ChatGPT on AI Conference Peer Reviews [52.60513069182062]
本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。
我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
論文 参考訳(メタデータ) (2024-03-11T21:51:39Z) - On the Essence and Prospect: An Investigation of Alignment Approaches
for Big Models [77.86952307745763]
ビッグデータはAIの分野で画期的なブレークスルーを達成したが、潜在的な懸念を生じさせるかもしれない。
このような懸念に対処するため、これらのモデルを人間の嗜好や価値観に適合させるアライメント技術が導入された。
過去1年間にかなりの進歩があったにもかかわらず、最適アライメント戦略の確立には様々な課題がある。
論文 参考訳(メタデータ) (2024-03-07T04:19:13Z) - Continual Learning: Applications and the Road Forward [111.29463576484461]
継続的学習は、機械学習モデルが、過去に学んだことを忘れずに知識を蓄積することで、新しいデータを継続的に学習できるようにすることを目的としている。
我々は3つの主要な機械学習カンファレンスで発行された最近の連続的な学習論文を調査してステージを設定した。
機械学習における5つのオープンな問題について議論し、継続的学習が必然的にそのソリューションの一部であることを示す。
論文 参考訳(メタデータ) (2023-11-20T16:40:29Z) - To Build Our Future, We Must Know Our Past: Contextualizing Paradigm
Shifts in Natural Language Processing [14.15370310437262]
我々は、NLPを文化、インセンティブ、インフラなどの分野として形成する要因について研究する。
インタビュアーは、フィールドにおける循環パターンと、過去の並列性のない新しいシフトを識別する。
我々は、NLPの将来へのビジョン、関心、希望を共有することで結論付ける。
論文 参考訳(メタデータ) (2023-10-11T17:59:36Z) - How to Design and Deliver Courses for Higher Education in the AI Era:
Insights from Exam Data Analysis [0.41998444721319206]
我々は、AI時代のコースと試験は、AIの強みと限界に基づいて設計されなければならないという考えを提唱する。
我々は2023年1月から2023年5月までのソクラテス教育法から着想を得た教育的アプローチをどう導入したかを示す。
我々は,AI時代に教育的アプローチを適用することができる新しい試験システムを提案する。
論文 参考訳(メタデータ) (2023-07-22T08:33:41Z) - VQA and Visual Reasoning: An Overview of Recent Datasets, Methods and
Challenges [1.565870461096057]
この結果、視覚と言語の統合が多くの注目を集めた。
タスクは、深層学習の概念を適切に実証するための方法で作られています。
論文 参考訳(メタデータ) (2022-12-26T20:56:01Z) - Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
この本はコンピュータビジョンの分野における科学的進歩を批判している。
情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
論文 参考訳(メタデータ) (2022-06-30T15:20:36Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳(メタデータ) (2021-08-01T08:54:47Z) - Not Quite 'Ask a Librarian': AI on the Nature, Value, and Future of LIS [7.1492901819376415]
我々は,世界最高の言語モデルであるGPT-3について,図書館と情報科学の性質,価値,将来について,15の難問を問う。
我々は、45の異なる反応からハイライトを提示する。それは、格子や似顔絵から、未来の興味深い視点や不安なビジョンまで様々である。
論文 参考訳(メタデータ) (2021-07-07T15:20:17Z)
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。