論文の概要: Will the Technological Singularity Come Soon? Modeling the Dynamics of Artificial Intelligence Development via Multi-Logistic Growth Process

• arxiv url: http://arxiv.org/abs/2502.19425v1
• Date: Tue, 11 Feb 2025 03:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 03:22:54.065823
• Title: Will the Technological Singularity Come Soon? Modeling the Dynamics of Artificial Intelligence Development via Multi-Logistic Growth Process
• Title（参考訳）: 技術特異性は近いのか? 多論理的成長過程による人工知能開発ダイナミクスのモデル化
• Authors: Guangyin Jin, Xiaohan Ni, Kun Wei, Jie Zhao, Haoming Zhang, Leiming Jia,
• Abstract要約: AI技術の発展は、複数のロジスティック成長プロセスの重ね合わせによって特徴づけられる。 2024年頃は、現在のAI波の最速地点だ。 ディープラーニングベースのAI技術は、基本的な技術革新が生まれなければ、2035年から2040年頃に減少すると予想されている。
• 参考スコア（独自算出の注目度）: 14.189936229835222
• License:
• Abstract: We are currently in an era of escalating technological complexity and profound societal transformations, where artificial intelligence (AI) technologies exemplified by large language models (LLMs) have reignited discussions on the 'Technological Singularity'. 'Technological Singularity' is a philosophical concept referring to an irreversible and profound transformation that occurs when AI capabilities surpass those of humans comprehensively. However, quantitative modeling and analysis of the historical evolution and future trends of AI technologies remain scarce, failing to substantiate the singularity hypothesis adequately. This paper hypothesizes that the development of AI technologies could be characterized by the superposition of multiple logistic growth processes. To explore this hypothesis, we propose a multi-logistic growth process model and validate it using two real-world datasets: AI Historical Statistics and Arxiv AI Papers. Our analysis of the AI Historical Statistics dataset assesses the effectiveness of the multi-logistic model and evaluates the current and future trends in AI technology development. Additionally, cross-validation experiments on the Arxiv AI Paper, GPU Transistor and Internet User dataset enhance the robustness of our conclusions derived from the AI Historical Statistics dataset. The experimental results reveal that around 2024 marks the fastest point of the current AI wave, and the deep learning-based AI technologies are projected to decline around 2035-2040 if no fundamental technological innovation emerges. Consequently, the technological singularity appears unlikely to arrive in the foreseeable future.
• Abstract（参考訳）: 現在、我々は、大規模言語モデル(LLM)で実証された人工知能(AI)技術が「技術的特異性(Technological Singularity)」に関する議論を再燃させている、技術的な複雑さと深い社会変革をエスカレートする時代にある。 「技術的特異性」とは、AI能力が人間の能力を総合的に超越した時に起こる不可逆的で深遠な変容を指す哲学的概念である。 しかし、AI技術の歴史的進化と将来の動向の定量的モデリングと分析は依然として不十分であり、特異性仮説を適切に裏付けることができない。 本稿では、複数のロジスティック成長プロセスの重ね合わせにより、AI技術の発達が特徴づけられると仮定する。 この仮説を探索するため、我々はマルチロジスティックな成長プロセスモデルを提案し、2つの実世界のデータセット、AI Historical StatisticsとArxiv AI Papersを用いて検証する。 AIヒストリカル統計データセットの分析は、マルチロジスティックモデルの有効性を評価し、AI技術開発における現在および将来のトレンドを評価する。 さらに、Arxiv AI Paper、GPU Transistor、Internet Userデータセットのクロスバリデーション実験は、AI Historical Statisticsデータセットから得られた結論の堅牢性を高める。 実験の結果、2024年頃が現在のAI波の最速点であり、基本的な技術革新が生まれなければ、ディープラーニングベースのAI技術は2035年から2040年頃に減少すると予想されている。 その結果、技術的特異性は当面は到達しそうにない。

関連論文リスト

• AI and Social Theory [0.0]
  我々は、人工知能(AI)が意味するものを定義することから始まる、AI駆動型社会理論のプログラムをスケッチする。 そして、AIベースのモデルがデジタルデータの可用性を増大させ、予測力に基づいて異なる社会的理論の有効性をテストするためのモデルを構築します。
  論文  参考訳（メタデータ） (2024-07-07T12:26:16Z)
• 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)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Artificial Intelligence: 70 Years Down the Road [4.952211615828121]
  我々は、過去の失敗の背後にある理由と現在のAIの成功を理解するために、技術的および哲学的な視点から理由を分析しました。 我々は、AIの持続可能な開発方向性は、人間と機械のコラボレーションと、コンピュータパワーを中心とした技術パスであるべきだと結論付けている。
  論文  参考訳（メタデータ） (2023-03-06T01:19:25Z)
• Recognition of All Categories of Entities by AI [20.220102335024706]
  本稿では,オントロジ・セクテットを包括的技術地図として見るための新たな議論的選択肢を提案する。 近い将来、AIは人間と同じ程度に様々な実体を認識できるようになると予測しています。
  論文  参考訳（メタデータ） (2022-08-13T08:00:42Z)
• 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)
• Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
  科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。 産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
  論文  参考訳（メタデータ） (2021-11-27T00:55:21Z)
• A Finite-Time Technological Singularity Model With Artificial Intelligence Self-Improvement [0.0]
  人工知能が人工知能エンジニアに人間を置き換えると仮定して、有限時間の技術的特異点のモデルを構築します。 人工知能の無限レベルの発展は現実的には達成できないが、この近似はいくつかの理由で有用である。
  論文  参考訳（メタデータ） (2020-08-31T15:29:14Z)

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。