論文の概要: Are AI Capabilities Increasing Exponentially? A Competing Hypothesis
- arxiv url: http://arxiv.org/abs/2602.04836v1
- Date: Wed, 04 Feb 2026 18:28:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.680248
- Title: Are AI Capabilities Increasing Exponentially? A Competing Hypothesis
- Title（参考訳）: AI能力は指数関数的に向上しているか? 競合する仮説
- Authors: Haosen Ge, Hamsa Bastani, Osbert Bastani,
- Abstract要約: 短期的な地平線においても、このデータは指数的な成長をサポートしていないと論じる。
我々は、AI能力をベースと推論能力に分解するより複雑なモデルを提案する。
- 参考スコア（独自算出の注目度）: 26.116836335203725
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapidly increasing AI capabilities have substantial real-world consequences, ranging from AI safety concerns to labor market consequences. The Model Evaluation & Threat Research (METR) report argues that AI capabilities have exhibited exponential growth since 2019. In this note, we argue that the data does not support exponential growth, even in shorter-term horizons. Whereas the METR study claims that fitting sigmoid/logistic curves results in inflection points far in the future, we fit a sigmoid curve to their current data and find that the inflection point has already passed. In addition, we propose a more complex model that decomposes AI capabilities into base and reasoning capabilities, exhibiting individual rates of improvement. We prove that this model supports our hypothesis that AI capabilities will exhibit an inflection point in the near future. Our goal is not to establish a rigorous forecast of our own, but to highlight the fragility of existing forecasts of exponential growth.
- Abstract（参考訳）: 急速に増加するAI能力は、AIの安全性に関する懸念から労働市場の結果まで、実質的な結果をもたらす。
Model Evaluation & Threat Research (METR)レポートは、AI能力は2019年以来指数関数的な成長を見せていると主張している。
ここでは,短期的な地平線においても,指数的成長はサポートされないと論じる。
METRの研究は、シグモイド/ロジスティック曲線の適合は、将来的には変曲点になると主張しているが、我々はシグモイド曲線を現在のデータに適合させ、既に変曲点が通過していることを発見した。
さらに、AI能力をベースと推論能力に分解し、個々の改善率を示す、より複雑なモデルを提案する。
我々は、このモデルが近い将来、AI能力が摂動点を示すという私たちの仮説を支持することを証明している。
当社の目標は、厳格な独自の予測を確立することではなく、既存の指数的な成長予測の脆弱さを強調することです。
関連論文リスト
- Current Agents Fail to Leverage World Model as Tool for Foresight [61.82522354207919]
エージェントは、行動する前に結果を予測するためにそれらを使用できます。
本稿では,現在のエージェントがそのような世界モデルを,認知力を高めるツールとして活用できるかどうかを実証的に検討する。
論文 参考訳（メタデータ） (2026-01-07T13:15:23Z) - The wall confronting large language models [0.0]
大規模言語モデルの性能を決定するスケーリング法則は,予測の不確実性を改善する能力を大幅に制限していることを示す。
LLMの学習能力の多くを駆動するメカニズムは、誤りの積み重ねを発生させる確率の根本にあるのかもしれない、と我々は主張する。
論文 参考訳（メタデータ） (2025-07-25T22:48:37Z) - Meek Models Shall Inherit the Earth [1.9647223141071104]
過去10年で、少数の企業がAIシステムを驚くほどスケールアップし、AIモデルのパフォーマンスが不平等になった。
本稿では,AIモデルの能力の収束に繋がる,知能的な直観とは裏腹に,スケーリングへの回帰が減少すると論じる。
論文 参考訳（メタデータ） (2025-07-10T17:10:07Z) - Shifting AI Efficiency From Model-Centric to Data-Centric Compression [67.45087283924732]
AI研究の焦点は、モデル中心の圧縮からデータ中心の圧縮へとシフトしている、と私たちは主張する。
データ中心圧縮は、モデルトレーニングや推論中に処理されたデータのボリュームを直接圧縮することで、AI効率を向上させる。
我々の研究は、AIの効率性に関する新たな視点を提供し、既存の取り組みを合成し、コンテキスト長の増大によって引き起こされる課題に対処するためにイノベーションを触媒することを目的としています。
論文 参考訳（メタデータ） (2025-05-25T13:51:17Z) - 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 Impact of Generative Artificial Intelligence on Market Equilibrium: Evidence from a Natural Experiment [19.963531237647103]
生成人工知能(AI)は、人間の出力に似た創造的なコンテンツをより効率よく、コストを削減できる能力を示す。
本稿では,中国の主要なアートアウトソーシングプラットフォームにおいて,生成AIが市場均衡に与える影響を実証的に検討する。
我々の分析によると、生成AIの出現は平均価格を64%引き下げる結果となったが、同時に注文量が121%増加し、全体の売上が56%増加した。
論文 参考訳（メタデータ） (2023-11-13T04:31:53Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z)
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。