Fugu-MT 論文翻訳(概要): Data and System Perspectives of Sustainable Artificial Intelligence

論文の概要: Data and System Perspectives of Sustainable Artificial Intelligence

arxiv url: http://arxiv.org/abs/2501.07487v1
Date: Mon, 13 Jan 2025 17:04:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-14 19:20:14.27538
Title: Data and System Perspectives of Sustainable Artificial Intelligence
Title（参考訳）: 持続可能な人工知能のデータとシステム展望
Authors: Tao Xie, David Harel, Dezhi Ran, Zhenwen Li, Maoliang Li, Zhi Yang, Leye Wang, Xiang Chen, Ying Zhang, Wentao Zhang, Meng Li, Chen Zhang, Linyi Li, Assaf Marron,
Abstract要約: 持続可能なAIは、環境への影響を減らし、持続可能性を達成することを目的としたAIのサブフィールドである。本稿では、これらの問題に対処するための現在の課題、機会、例題ソリューションについて論じる。
参考スコア（独自算出の注目度）: 43.21672481390316
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sustainable AI is a subfield of AI for concerning developing and using AI systems in ways of aiming to reduce environmental impact and achieve sustainability. Sustainable AI is increasingly important given that training of and inference with AI models such as large langrage models are consuming a large amount of computing power. In this article, we discuss current issues, opportunities and example solutions for addressing these issues, and future challenges to tackle, from the data and system perspectives, related to data acquisition, data processing, and AI model training and inference.
Abstract（参考訳）: 持続可能なAIは、環境への影響を減らし、持続可能性を達成する方法として、AIシステムの開発と使用に関するAIのサブフィールドである。巨大なラングレージモデルのようなAIモデルによるトレーニングと推論が大量のコンピューティングパワーを消費していることを考えると、持続可能なAIはますます重要になる。本稿では、データ取得、データ処理、AIモデルトレーニングと推論に関連するデータとシステムの観点から、これらの問題に対処するための現在の課題、機会、そして今後の課題について論じる。

関連論文リスト

Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
論文参考訳（メタデータ） (2025-04-29T10:21:40Z)
Engineering Artificial Intelligence: Framework, Challenges, and Future Direction [0.2678472239880052]
本稿では,「ABCDE」をエンジニアリングAIの重要な要素として紹介する。統一的で体系的なAIエコシステムフレームワークを提案する。本稿では,包括的視点を提供することで,AIの戦略的実装を進めることを目的とする。
論文参考訳（メタデータ） (2025-04-03T04:30:10Z)
Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文参考訳（メタデータ） (2025-04-01T13:53:11Z)
Empowering Edge Intelligence: A Comprehensive Survey on On-Device AI Models [16.16798813072285]
人工知能(AI)技術の急速な進歩により、エッジと端末デバイスへのAIモデルの展開が増加している。この調査は、オンデバイスAIモデルの現状、技術的な課題、今後のトレンドを包括的に調査する。
論文参考訳（メタデータ） (2025-03-08T02:59:51Z)
When AI Eats Itself: On the Caveats of AI Autophagy [18.641925577551557]
AIオートファジー現象は、生成的AIシステムが認識せずに自分たちのアウトプットを消費する未来を示唆している。本研究では、既存の文献を調査し、AIオートファジーの結果を掘り下げ、関連するリスクを分析し、その影響を軽減するための戦略を探求する。
論文参考訳（メタデータ） (2024-05-15T13:50:23Z)
On the Challenges and Opportunities in Generative AI [135.2754367149689]
現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
論文参考訳（メタデータ） (2024-02-28T15:19:33Z)
Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文参考訳（メタデータ） (2023-10-09T21:36:21Z)
Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文参考訳（メタデータ） (2023-09-23T00:05:39Z)
Data-centric AI: Perspectives and Challenges [51.70828802140165]
データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
論文参考訳（メタデータ） (2023-01-12T05:28:59Z)
AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文参考訳（メタデータ） (2023-01-08T15:02:38Z)
A Survey on AI Sustainability: Emerging Trends on Learning Algorithms and Research Challenges [35.317637957059944]
我々は、AIの持続可能性問題に対処できる機械学習アプローチの大きなトレンドについてレビューする。我々は、既存の研究の大きな限界を強調し、次世代の持続可能なAI技術を開発するための潜在的研究課題と方向性を提案する。
論文参考訳（メタデータ） (2022-05-08T09:38:35Z)
Sustainable AI: Environmental Implications, Challenges and Opportunities [13.089123643565724]
我々は、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べることで、AIコンピューティングの炭素フットプリントを特徴づける。ハードウェア・ソフトウェア設計と大規模最適化がAIのカーボンフットプリント全体の削減にどのように役立つのかを、エンドツーエンドで分析する。
論文参考訳（メタデータ） (2021-10-30T23:36:10Z)

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。