論文の概要: Progress in Artificial Intelligence and its Determinants

• arxiv url: http://arxiv.org/abs/2501.17894v1
• Date: Wed, 29 Jan 2025 00:43:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:15:44.658017
• Title: Progress in Artificial Intelligence and its Determinants
• Title（参考訳）: 人工知能の進歩とその決定要因
• Authors: Michael R. Douglas, Sergiy Verstyuk,
• Abstract要約: 人工知能の長期的進歩を定量的に研究する。 ムーアの法則による計算資源の成長とは対照的に、特許と出版物の生産は10年ごとに倍増している。 我々は、AI研究者の入力もまた重要であり、その貢献を客観的に推定することができると論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We study long-run progress in artificial intelligence in a quantitative way. Many measures, including traditional ones such as patents and publications, machine learning benchmarks, and a new Aggregate State of the Art in ML (or ASOTA) Index we have constructed from these, show exponential growth at roughly constant rates over long periods. Production of patents and publications doubles every ten years, by contrast with the growth of computing resources driven by Moore's Law, roughly a doubling every two years. We argue that the input of AI researchers is also crucial and its contribution can be objectively estimated. Consequently, we give a simple argument that explains the 5:1 relation between these two rates. We then discuss the application of this argument to different output measures and compare our analyses with predictions based on machine learning scaling laws proposed in existing literature. Our quantitative framework facilitates understanding, predicting, and modulating the development of these important technologies.
• Abstract（参考訳）: 人工知能の長期的進歩を定量的に研究する。 特許や出版物、機械学習のベンチマーク、ML(またはASOTA)の新たな集約状態といった従来の指標を含め、これらの指標から構築した指標は、長い期間にわたってほぼ一定速度で指数的な成長を示す。 ムーアの法則による計算資源の成長とは対照的に、特許と出版物の生産は10年ごとに倍増する。 我々は、AI研究者の入力もまた重要であり、その貢献を客観的に推定することができると論じる。 したがって、これらの2つのレート間の5:1の関係を説明する単純な議論を行う。 次に、この議論を異なる出力尺度に適用し、既存の文献で提案されている機械学習スケーリング法に基づく予測と比較する。 我々の定量的枠組みは、これらの重要な技術の発展を理解し、予測し、調整することを容易にする。

関連論文リスト

• Dynamic technology impact analysis: A multi-task learning approach to patent citation prediction [13.101554868919711]
  本研究では,マルチタスク学習(MTL)手法を提案する。 まず、異なる期間にわたる引用分析により、テクノロジの影響を定量化し、パターンを識別する。 次に,複数の特許指標を用いた引用数予測のためのMLLモデルを構築した。
  論文  参考訳（メタデータ） (2024-11-14T04:46:08Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Beyond Scaleup: Knowledge-aware Parsimony Learning from Deep Networks [47.6830995661091]
  トレーニングデータセット、学習可能なパラメータ、計算能力のブルートフォーススケールアップは、より堅牢な学習モデルを開発するための一般的な戦略となっている。 本稿では、より単純なモデルでより大きな可能性を実現するために、同種の方法でこの問題に対処しようと試みる。 鍵となるのは、純粋にスケールアップに頼るのではなく、記号、論理、公式といったドメイン固有の知識を使ってモデルを駆動することだ。
  論文  参考訳（メタデータ） (2024-06-29T15:52:37Z)
• Generative Artificial Intelligence: A Systematic Review and Applications [7.729155237285151]
  本稿では、ジェネレーティブAIにおける最近の進歩と技術に関する体系的なレビューと分析について述べる。 生成AIがこれまで行った大きな影響は、大きな言語モデルの開発による言語生成である。 論文は、責任あるAIの原則と、これらの生成モデルの持続可能性と成長に必要な倫理的考察から締めくくられる。
  論文  参考訳（メタデータ） (2024-05-17T18:03:59Z)
• Psittacines of Innovation? Assessing the True Novelty of AI Creations [0.26107298043931204]
  我々は、仮説的なクラウドファンディングキャンペーンのために、AIにプロジェクトタイトルの生成を任せる。 AI生成したプロジェクトタイトルで比較し、繰り返しと複雑さを測定します。 結果は、タスクの複雑さが増大しても、AIがユニークなコンテンツを生成することを示唆している。
  論文  参考訳（メタデータ） (2024-03-17T13:08:11Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• On the Evolution of A.I. and Machine Learning: Towards a Meta-level Measuring and Understanding Impact, Influence, and Leadership at Premier A.I. Conferences [0.26999000177990923]
  我々は、過去数十年間、AIと機械学習研究者の影響力、影響力、リーダーシップの分析を可能にする手段を提示する。 我々は,1969年に開催された第1回IJCAI(International Joint Conference on Artificial Intelligence)以降,AIと機械学習のフラッグシップカンファレンスで発表された論文について検討する。
  論文  参考訳（メタデータ） (2022-05-26T03:41:12Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)
• 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)
• MAIR: Framework for mining relationships between research articles, strategies, and regulations in the field of explainable artificial intelligence [2.280298858971133]
  研究論文やAI関連の政策に対する規制の影響のダイナミクスを理解することが不可欠である。 本稿では,AI関連政策文書とXAI研究論文の共同分析のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-29T20:41:17Z)

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。