論文の概要: Energy-Efficient Domain-Specific Artificial Intelligence Models and Agents: Pathways and Paradigms

• arxiv url: http://arxiv.org/abs/2510.22052v1
• Date: Fri, 24 Oct 2025 22:21:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.802467
• Title: Energy-Efficient Domain-Specific Artificial Intelligence Models and Agents: Pathways and Paradigms
• Title（参考訳）: エネルギー効率の良いドメイン特化人工知能モデルとエージェント:経路とパラダイム
• Authors: Abhijit Chatterjee, Niraj K. Jha, Jonathan D. Cohen, Thomas L. Griffiths, Hongjing Lu, Diana Marculescu, Ashiqur Rasul, Keshab K. Parhi,
• Abstract要約: AI市場規模は2023年の1890億USDから2033年までに4.8兆USDに成長すると予測されている。 現在、AIは言語と視覚の知性を示す大きな言語モデルに支配されている。 これは、膨大な量のデータでトレーニングされた今日の大規模モデルから、エネルギー効率のよいドメイン固有エージェントを揺るがすための、AIの次の波を定義する。
• 参考スコア（独自算出の注目度）: 26.440714555099913
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The field of artificial intelligence (AI) has taken a tight hold on broad aspects of society, industry, business, and governance in ways that dictate the prosperity and might of the world's economies. The AI market size is projected to grow from 189 billion USD in 2023 to 4.8 trillion USD by 2033. Currently, AI is dominated by large language models that exhibit linguistic and visual intelligence. However, training these models requires a massive amount of data scraped from the web as well as large amounts of energy (50--60 GWh to train GPT-4). Despite these costs, these models often hallucinate, a characteristic that prevents them from being deployed in critical application domains. In contrast, the human brain consumes only 20~W of power. What is needed is the next level of AI evolution in which lightweight domain-specific multimodal models with higher levels of intelligence can reason, plan, and make decisions in dynamic environments with real-time data and prior knowledge, while learning continuously and evolving in ways that enhance future decision-making capability. This will define the next wave of AI, progressing from today's large models, trained with vast amounts of data, to nimble energy-efficient domain-specific agents that can reason and think in a world full of uncertainty. To support such agents, hardware will need to be reimagined to allow energy efficiencies greater than 1000x over the state of the art. Such a vision of future AI systems is developed in this work.
• Abstract（参考訳）: 人工知能(AI)の分野は、社会、産業、ビジネス、ガバナンスの幅広い側面を、世界経済の繁栄とポテンシャルを規定する形でしっかりと握りしめてきた。 AI市場規模は2023年の1890億USDから2033年までに4.8兆USDに成長すると予測されている。 現在、AIは言語と視覚の知性を示す大きな言語モデルに支配されている。 しかし、これらのモデルのトレーニングには、Webから取り除かれた大量のデータと大量のエネルギー(GPT-4のトレーニングには50-60 GWh)が必要である。 これらのコストにもかかわらず、これらのモデルは、しばしば幻覚を与え、重要なアプリケーションドメインにデプロイされないようにする特徴である。 対照的に、人間の脳は20〜Wのパワーしか消費しない。 必要なのは、高レベルのインテリジェンスを持つ軽量なドメイン固有マルチモーダルモデルが、リアルタイムデータと事前知識を使用して動的環境を推論、計画、決定すると同時に、将来的な意思決定能力を高める方法で継続的に学習し、進化する、という、AI進化の次のレベルだ。 これは、今日の大規模なモデルから、膨大な量のデータで訓練されたAIの次の波を定義し、不確実性に満ちた世界における推論と思考が可能なエネルギー効率の高いドメイン固有エージェントを揺るがす。 このようなエージェントをサポートするためには、ハードウェアを再設計し、最先端の1000倍以上のエネルギー効率を実現する必要がある。 このような未来のAIシステムのビジョンは、この研究で開発されている。

関連論文リスト

• LIMI: Less is More for Agency [49.63355240818081]
  LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。 高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。 マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
  論文  参考訳（メタデータ） (2025-09-22T10:59:32Z)
• AI Generations: From AI 1.0 to AI 4.0 [3.4440023363051266]
  本稿では,人工知能(AI)が複数の世代にまたがって進化していくことを提案する。 これらのAI世代は、アルゴリズム、計算能力、データ間の優先順位のシフトによって駆動される。 人工知能が人間のような自律性に近づいた(あるいはそうしようとする)ときに生じる、深い倫理的、規制的、哲学的な課題を探求する。
  論文  参考訳（メタデータ） (2025-02-16T23:19:44Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• The Unseen AI Disruptions for Power Grids: LLM-Induced Transients [0.5749787074942511]
  AIインフラストラクチャは、超低慣性、シャープなパワーサージとディップ、ピーク時のパワー比を特徴としている。 これらの目に見えない特徴は、AIを非常にユニークな負荷にし、電力グリッドの信頼性とレジリエンスに脅威をもたらす。 本稿では、AI電力消費の規模を調査し、様々なシナリオにおけるAI過渡行動を分析し、AIワークロードの振る舞いを記述するための高レベルな数学的モデルを開発し、既存の電力網にもたらす可能性のある課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-09-09T05:22:01Z)
• Toward Cross-Layer Energy Optimizations in AI Systems [4.871463967255196]
  エネルギー効率は、人工知能の採用に歯止めをかける要因になる可能性が高い。 人工知能(AI)や機械学習(ML)ツールや技術の普及によって、そのエネルギー効率が採用への歯止め要因になりそうである。 これは、生成AI(GenAI)モデルが巨大なエネルギー豚であるからである。 推論はさらにエネルギーを消費する。
  論文  参考訳（メタデータ） (2024-04-10T01:35:17Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• DeepEn2023: Energy Datasets for Edge Artificial Intelligence [3.0996501197166975]
  我々は、エッジAIのための大規模エネルギーデータセットDeepEn2023を提案し、幅広いカーネル、最先端のディープニューラルネットワークモデル、一般的なエッジAIアプリケーションをカバーする。 DeepEn2023は、デバイス上でのディープラーニングにおける持続可能性の透明性を、さまざまなエッジAIシステムやアプリケーションにわたって改善することを期待しています。
  論文  参考訳（メタデータ） (2023-11-30T16:54:36Z)
• Large AI Models in Health Informatics: Applications, Challenges, and the Future [31.66920436409032]
  大規模なAIモデル、あるいは基礎モデル(ファウンデーションモデル)は、パラメータワイドとデータワイドの両方で大規模に出現するモデルである。 ChatGPTは、大きなAIモデルが持つ影響に対する人々の想像力を押し付けました。 健康情報学において、大規模AIモデルの出現は方法論の設計に新たなパラダイムをもたらした。
  論文  参考訳（メタデータ） (2023-03-21T03:28:33Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)

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。