Fugu-MT 論文翻訳(概要): Mesterséges Intelligencia Kutatások Magyarországon

論文の概要: Mesterséges Intelligencia Kutatások Magyarországon

arxiv url: http://arxiv.org/abs/2503.05767v1
Date: Mon, 24 Feb 2025 20:28:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-16 09:17:25.540105
Title: Mesterséges Intelligencia Kutatások Magyarországon
Title（参考訳）: Mesterséges Intelligencia Kutatások Magyarországon
Authors: András A. Benczúr, Tibor Gyimóthy, Balázs Szegedy,
Abstract要約: 本稿では,ハンガリーのAI研究におけるいくつかの重要な成果を紹介する。これは、深層学習(2010年代前半)が台頭する前の期間の成果を強調し、2010年以降のハンガリーにおける理論上の大きな進歩について論じている。
参考スコア（独自算出の注目度）: 1.6284379609436745
License:
Abstract: Artificial intelligence (AI) has undergone remarkable development since the mid-2000s, particularly in the fields of machine learning and deep learning, driven by the explosive growth of large databases and computational capacity. Hungarian researchers recognized the significance of AI early on, actively participating in international research and achieving significant results in both theoretical and practical domains. This article presents some key achievements in Hungarian AI research. It highlights the results from the period before the rise of deep learning (the early 2010s), then discusses major theoretical advancements in Hungary after 2010. Finally, it provides a brief overview of AI-related applied scientific achievements from 2010 onward.
Abstract（参考訳）: 人工知能(AI)は2000年代半ばから顕著な発展を遂げており、特に機械学習とディープラーニングの分野では、大規模データベースの爆発的な成長と計算能力によって推進されている。ハンガリーの研究者は、AIの重要性を早期に認識し、国際研究に積極的に参加し、理論と実践の両方において重要な成果を上げた。本稿では,ハンガリーのAI研究におけるいくつかの重要な成果を紹介する。ディープラーニングの台頭(2010年代前半)以前の結果を強調し、2010年以降のハンガリーにおける理論上の大きな進歩について論じている。最後に、2010年以降のAI関連の応用科学的成果の簡単な概要を提供する。

関連論文リスト

Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文参考訳（メタデータ） (2025-02-07T18:26:45Z)
AI Governance in the Context of the EU AI Act: A Bibliometric and Literature Review Approach [0.0]
本研究は、EU AI Actの枠組みにおけるAIガバナンスの研究動向を分析した。我々の研究結果によると、特にEUのAI法で規制されているAIシステムに関するAIガバナンスの研究は、より広範なAI研究の状況と比較しても比較的限られている。
論文参考訳（メタデータ） (2025-01-08T11:01:11Z)
Oil & Water? Diffusion of AI Within and Across Scientific Fields [1.4576074392895075]
我々は、20の科学分野にわたる約8000万の研究出版物において、人工知能の普及に関する主張を調査する。指数的成長を観察し,全分野にわたって約13倍(13倍)増加した。このエンゲージメントの拡大は、あらゆる分野におけるより深い学際的な統合に向けた動きを示唆する一方で、増大するユビキティは、AIによる研究とより伝統的な学際的な研究の間の意味的な緊張と関係している。
論文参考訳（メタデータ） (2024-05-24T00:39:32Z)
From Protoscience to Epistemic Monoculture: How Benchmarking Set the Stage for the Deep Learning Revolution [0.0]
私たちのAI研究の3つのパートの歴史は、この「画期的なモノカルチャー」の創造を、科学的進歩の急激な再認識に遡る。我々は,AIのモノカルチャーが科学的進歩に基礎的,探索駆動的な研究が必要であるという信念にどのように挑戦するかを説明する。
論文参考訳（メタデータ） (2024-04-09T22:55:06Z)
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)
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 adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
論文参考訳（メタデータ） (2023-06-15T14:08:07Z)
Quantifying the Benefit of Artificial Intelligence for Scientific Research [2.4700789675440524]
我々は、科学研究におけるAIの直接的な利用とAIの潜在的利益の両方を見積もる。研究におけるAIの利用は科学に広く浸透しており、特に2015年以来急速に成長している。我々の分析は、AIが多くの科学分野に利益をもたらす可能性があることを示しているが、AI教育とその研究応用の間には顕著な断絶がある。
論文参考訳（メタデータ） (2023-04-17T08:08:50Z)
Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文参考訳（メタデータ） (2022-05-26T16:30:30Z)
Proceedings of ICML 2021 Workshop on Theoretic Foundation, Criticism, and Application Trend of Explainable AI [71.70949497737655]
ICML 2021 Workshop on Theoretic Foundation, Criticism, and Application Trends of Explainable AI。ディープニューラルネットワーク(DNN)は、コンピュータビジョン、計算言語学、AIなど、幅広い分野で大きな成功を収めたことは間違いない。しかし、DNNの成功と敵の攻撃に対する弾力性の根底にある基本原理は依然としてほとんど失われている。このワークショップは、XAIの範囲における理論の基礎、制限、および新しいアプリケーショントレンドに特別な関心を払っている。
論文参考訳（メタデータ） (2021-07-16T13:14:16Z)

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。