論文の概要: Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI
- arxiv url: http://arxiv.org/abs/2409.14160v1
- Date: Sat, 21 Sep 2024 14:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 03:22:11.979866
- Title: Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI
- Title（参考訳）: AIにおけるBigger-is-Better Paradigmのハイプ、サステナビリティ、価格
- Authors: Gaël Varoquaux, Alexandra Sasha Luccioni, Meredith Whittaker,
- Abstract要約: AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
- 参考スコア（独自算出の注目度）: 67.58673784790375
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the growing attention and investment in recent AI approaches such as large language models, the narrative that the larger the AI system the more valuable, powerful and interesting it is is increasingly seen as common sense. But what is this assumption based on, and how are we measuring value, power, and performance? And what are the collateral consequences of this race to ever-increasing scale? Here, we scrutinize the current scaling trends and trade-offs across multiple axes and refute two common assumptions underlying the 'bigger-is-better' AI paradigm: 1) that improved performance is a product of increased scale, and 2) that all interesting problems addressed by AI require large-scale models. Rather, we argue that this approach is not only fragile scientifically, but comes with undesirable consequences. First, it is not sustainable, as its compute demands increase faster than model performance, leading to unreasonable economic requirements and a disproportionate environmental footprint. Second, it implies focusing on certain problems at the expense of others, leaving aside important applications, e.g. health, education, or the climate. Finally, it exacerbates a concentration of power, which centralizes decision-making in the hands of a few actors while threatening to disempower others in the context of shaping both AI research and its applications throughout society.
- Abstract（参考訳）: 大規模言語モデルのような最近のAIアプローチへの注目と投資の高まりにより、より大きなAIシステムがより価値があり、強力で、興味深いものであるという物語は、ますます常識として見られている。
しかし、この仮定はどのようにして価値、パワー、パフォーマンスを測るのか?
そして、このレースの余分な結果が拡大するスケールに何をもたらすのか?
ここでは、複数の軸にわたる現在のスケーリングトレンドとトレードオフを精査し、'Bigger-is-better' AIパラダイムに基づく2つの一般的な前提を反論する。
1) 性能が向上した製品は、規模が増大した製品であり、
2) AIによって対処されるすべての興味深い問題は、大規模なモデルを必要とする。
むしろ、このアプローチは科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
最後に、いくつかのアクターの手に意思決定を集中させると同時に、AI研究と社会全体の応用の両方を形作るという文脈において、他のアクターを解き放つことを脅かす力の集中をさらに高める。
関連論文リスト
- From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
この議論の多くは、大きな間接効果に対処することなく直接的影響に集中している。
本稿では,Jevonsのパラドックス問題がどのようにAIに適用され,効率向上がパラドックス的に消費増加を促すかを検討する。
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - Raising the Stakes: Performance Pressure Improves AI-Assisted Decision Making [57.53469908423318]
日常の人が共通のAI支援タスクを完了すると、パフォーマンスプレッシャーがAIアドバイスへの依存に与える影響を示す。
利害関係が高い場合には、AIの説明の有無にかかわらず、利害関係が低い場合よりもAIアドバイスを適切に使用することが分かりました。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - Divide-and-Conquer Dynamics in AI-Driven Disempowerment [9.204894568267013]
我々は、現在の害と将来の害を優先する者との内紛の原因と結果を研究するために、紛争のゲーム理論モデルを構築した。
私たちのモデルは、歴史を通じて、共通の脅威を共有するステークホルダーが、それに対して団結することが有利である理由を説明するのにも役立ちます。
論文 参考訳（メタデータ） (2023-10-09T17:59:26Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Examining the Differential Risk from High-level Artificial Intelligence
and the Question of Control [0.0]
将来のAI能力の範囲と範囲は、依然として重要な不確実性である。
AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。
本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-06T15:46:02Z) - Compute and Energy Consumption Trends in Deep Learning Inference [67.32875669386488]
コンピュータビジョンと自然言語処理の分野における関連モデルについて検討する。
継続的な性能向上のために、これまで予想されていたよりもエネルギー消費の軟化が見られた。
論文 参考訳（メタデータ） (2021-09-12T09:40:18Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Towards a framework for understanding societal and ethical implications
of Artificial Intelligence [2.28438857884398]
本研究の目的は,AIの大量取り込みによって引き起こされる社会的・倫理的課題を明らかにすることである。
1) 好ましくない影響, 2) 責任, 3) 未知の結果, 4) 関係人ロボット, 5) 権力と富の集中, 6) 意図的悪用, 7) 武器と戦争のためのAI。
論文 参考訳（メタデータ） (2020-01-03T17:55:15Z)
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。