論文の概要: AI Should Sense Better, Not Just Scale Bigger: Adaptive Sensing as a Paradigm Shift

• arxiv url: http://arxiv.org/abs/2507.07820v1
• Date: Thu, 10 Jul 2025 14:50:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.450679
• Title: AI Should Sense Better, Not Just Scale Bigger: Adaptive Sensing as a Paradigm Shift
• Title（参考訳）: AIは、単にビッグデータをスケールするのではなく、より良く理解する必要がある - パラダイムシフトとしての適応センシング
• Authors: Eunsu Baek, Keondo Park, Jeonggil Ko, Min-hwan Oh, Taesik Gong, Hyung-Sin Kim,
• Abstract要約: 現在のAIの進歩は、一般化と堅牢性を達成するために、ニューラルネットワークのスケーリングとトレーニングデータセットの拡張に大きく依存している。 生体感覚システムにインスパイアされた我々は、適応センシングを必要かつ基礎的なシフトとして提唱する。 我々は、ヒューマノイド、ヘルスケア、自律システム、農業、環境モニタリングにまたがる現実のアプリケーションに適応センシングを幅広く統合するロードマップを概説する。
• 参考スコア（独自算出の注目度）: 12.82447756078577
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Current AI advances largely rely on scaling neural models and expanding training datasets to achieve generalization and robustness. Despite notable successes, this paradigm incurs significant environmental, economic, and ethical costs, limiting sustainability and equitable access. Inspired by biological sensory systems, where adaptation occurs dynamically at the input (e.g., adjusting pupil size, refocusing vision)--we advocate for adaptive sensing as a necessary and foundational shift. Adaptive sensing proactively modulates sensor parameters (e.g., exposure, sensitivity, multimodal configurations) at the input level, significantly mitigating covariate shifts and improving efficiency. Empirical evidence from recent studies demonstrates that adaptive sensing enables small models (e.g., EfficientNet-B0) to surpass substantially larger models (e.g., OpenCLIP-H) trained with significantly more data and compute. We (i) outline a roadmap for broadly integrating adaptive sensing into real-world applications spanning humanoid, healthcare, autonomous systems, agriculture, and environmental monitoring, (ii) critically assess technical and ethical integration challenges, and (iii) propose targeted research directions, such as standardized benchmarks, real-time adaptive algorithms, multimodal integration, and privacy-preserving methods. Collectively, these efforts aim to transition the AI community toward sustainable, robust, and equitable artificial intelligence systems.
• Abstract（参考訳）: 現在のAIの進歩は、一般化と堅牢性を達成するために、ニューラルネットワークのスケーリングとトレーニングデータセットの拡張に大きく依存している。 顕著な成功にもかかわらず、このパラダイムは環境、経済的、倫理的なコストを発生させ、持続可能性と平等なアクセスを制限する。 生体感覚システム(例えば、瞳孔の大きさの調整、視力の再焦点)にインスパイアされ、我々は適応感覚を必要かつ基礎的なシフトとして提唱する。 アダプティブセンシングは、入力レベルでセンサーパラメータ(例えば、露出、感度、マルチモーダル構成)を積極的に変調し、共変量シフトを著しく緩和し、効率を向上する。 最近の研究による実証的な証拠は、適応センシングにより、より大規模なモデル(例えば、OpenCLIP-H)をはるかに多くのデータと計算で超えることができることを示している。 我が家 一 適応センシングを、ヒューマノイド、医療、自律システム、農業、環境モニタリングにまたがる現実世界のアプリケーションに広く統合するためのロードマップを概説する。 (二)技術的・倫理的統合の課題を批判的に評価し、 (iii)標準化されたベンチマーク、リアルタイム適応アルゴリズム、マルチモーダル統合、プライバシ保護手法などの研究目標を提案する。 これらの取り組みは、AIコミュニティを持続可能で堅牢で公平な人工知能システムに移行することを目的としている。

関連論文リスト

• A Path Less Traveled: Reimagining Software Engineering Automation via a Neurosymbolic Paradigm [9.900581015679935]
  本稿では,ニューロシンボリック・ソフトウェア・エンジニアリングを,ニューラルネットワークとシンボリック(ルールベース)推論を組み合わせた有望なパラダイムとして提案する。 このハイブリッド方法論は、AI駆動ソフトウェアエンジニアリングの効率性、信頼性、透明性を高めることを目的としている。
  論文  参考訳（メタデータ） (2025-05-04T22:10:21Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Intelligent Sensing-to-Action for Robust Autonomy at the Edge: Opportunities and Challenges [19.390215975410406]
  ロボット、スマートシティ、自動運転車における自律エッジコンピューティングは、センサー、処理、アクチュエーターのシームレスな統合に依存している。 中心となるのは、センサー入力と計算モデルとを反復的に整列させて適応制御戦略を駆動するセンサー・ツー・アクション・ループである。 本稿では、能動的、文脈対応型センシング・ツー・アクションとアクション・トゥ・センシングの適応によって効率が向上する方法について論じる。
  論文  参考訳（メタデータ） (2025-02-04T20:13:58Z)
• ELENA: Epigenetic Learning through Evolved Neural Adaptation [0.0]
  ELENAは、エピジェネティックなメカニズムを取り入れ、コア進化アプローチの適応性を高める新しい進化フレームワークである。 3つのエピジェネティックタグは、よりインテリジェントな仮説のランドスケープ探索を促進するソリューションスペース探索の導出を支援する。 実験により、ELENAは、しばしばネットワーク最適化タスクにおける最先端の手法を超越して、競争結果を達成することが示された。
  論文  参考訳（メタデータ） (2025-01-10T06:04:32Z)
• Sense, Predict, Adapt, Repeat: A Blueprint for Design of New Adaptive AI-Centric Sensing Systems [2.465689259704613]
  現在のグローバルなトレンドは、生成されたデータの量は既に人間の消費能力を超えており、AIアルゴリズムが世界中のデータの主要な消費者となっていることを示している。 本稿では、AIアルゴリズムと動的知覚のためのセンシングシステムの必要性を強調し、AIと知覚領域の両方における効率的なセンシングおよび知覚手法の概要を示す。
  論文  参考訳（メタデータ） (2023-12-11T15:14:49Z)
• Incorporating Neuro-Inspired Adaptability for Continual Learning in Artificial Intelligence [59.11038175596807]
  継続的な学習は、現実世界に強い適応性を持つ人工知能を強化することを目的としている。 既存の進歩は主に、破滅的な忘れを克服するために記憶安定性を維持することに焦点を当てている。 本稿では,学習の可塑性を改善するため,パラメータ分布の古い記憶を適切に減衰させる汎用的手法を提案する。
  論文  参考訳（メタデータ） (2023-08-29T02:43:58Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Adaptation through prediction: multisensory active inference torque control [0.0]
  本稿では,産業用アームのための多感能動型トルクコントローラを提案する。 私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
  論文  参考訳（メタデータ） (2021-12-13T16:03:18Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。