論文の概要: The End of AI Exponentiation: Fluttering Inside and Outside AI Bubble

• arxiv url: http://arxiv.org/abs/2609.05894v1
• Date: Sat, 05 Sep 2026 05:29:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.163383
• Title: The End of AI Exponentiation: Fluttering Inside and Outside AI Bubble
• Title（参考訳）: AIの指数の終わり:AIバブルの内部と外部のフラッター
• Abstract要約: AIの急速な加速は、技術、社会的、経済的、倫理的、インフラ的課題をますます示している。 本稿は,計算およびデータセンタのレース,投機的投資,超知性へのラットの追跡を通じて不安定が生じるバブル内外におけるフラッタリングについて考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The exponentiation of Artificial intelligence (AI) in the recent past has entered a transformative era that has been driven by the growth in large language models (LLMs), large-scale compute infrastructures, and autonomous reasoning systems. However, the rapid acceleration of AI has increasingly shown technological, societal, economic, ethical and infrastructural challenges associated with peak data limitations, rising computational demands, synthetic data recursion, valuation inflation, and societal instability. The traditional scaling paradigms that have powered the modern AI systems are gradually encountering friction in sustaining continuous exponential growth. This paper views ``the end of AI exponentiation,'' thus exploring how it flutters inside and outside the bubble, where instability emerges within the AI ecosystem through compute and data-center races, speculative investments, and the rat-race toward superintelligence, and outside the ecosystem through labor disruption, governance concerns, public uncertainty, and geopolitical acceleration surrounding future intelligent systems and infrastructures globally.
• Abstract（参考訳）: 近年の人工知能(AI)の指数化は、大規模言語モデル(LLM)、大規模計算基盤、自律推論システムの成長によって推進される変革期に入った。 しかし、AIの急速な加速は、ピークデータ制限、計算要求の増大、合成データ再帰、バリュエーションインフレーション、社会的不安定に関連する技術、社会的、経済的、倫理的、インフラ的課題をますます示している。 現代のAIシステムを動かした従来のスケーリングパラダイムは、継続的な指数的成長を維持する上で、徐々に摩擦に直面している。 そこでは、計算とデータセンターのレース、投機的投資、そして労働の混乱、ガバナンスの懸念、公共の不確実性、そして未来のインテリジェントシステムやインフラを取り巻く地政学的加速を通じて、AIエコシステム内で不安定が出現する。

関連論文リスト

• From AGI to ASI [65.04985565452489]
  人間のレベルの人工知能の構築は、遠方の憶測から、大規模なAI組織の多くにとって、具体的な次の10年ターゲットへと移行してきた。 報告では、AI自体が、マシンインテリジェンスの継続とともに、AGI後の世界でどのように発展し続けるのかを調査している。
  論文  参考訳（メタデータ） (2026-06-10T21:14:10Z)
• Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
  本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。 我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。 我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
  論文  参考訳（メタデータ） (2026-04-09T06:13:59Z)
• AI+HW 2035: Shaping the Next Decade [135.53570243498987]
  人工知能(AI)とハードウェア(HW)は前例のない速度で進歩している。 このビジョンペーパーは、AI+HWの共同設計と共同開発のための10年間のロードマップをレイアウトし、アルゴリズム、アーキテクチャ、システム、持続可能性にまたがる。 主要な課題と機会を特定し、潜在的な障害や落とし穴を効果的に評価し、統合されたソリューションを提案する。
  論文  参考訳（メタデータ） (2026-03-05T14:36:33Z)
• The economic alignment problem of artificial intelligence [0.0]
  我々は、成長ベースのシステム内で高度なAIを開発することは、社会的、環境的、実在的なリスクを増大させる可能性があると論じる。 成長後の研究は、AIのリスクを大幅に削減できる概念とポリシーを提供することを示している。
  論文  参考訳（メタデータ） (2026-02-25T12:22:46Z)
• On the (im)possibility of sustainable artificial intelligence. Why it does not make sense to move faster when heading the wrong way [0.0]
  この記事では、クリティカルデータとアルゴリズム研究、STS、トランスフォーメーションサステナビリティ科学、クリティカルコンピュータ科学、パブリック関心理論の知見を引用する。 確かにAIには持続可能性に関連するユースケースがたくさんあるが、利益よりも全体的な欠点がある可能性が高い、と私は主張する。 あらゆる物質において、その影響は特に世界の南部では壊滅的であり、世界の北部では恩恵を受けている。
  論文  参考訳（メタデータ） (2025-03-22T09:01:15Z)
• Will the Technological Singularity Come Soon? Modeling the Dynamics of Artificial Intelligence Development via Multi-Logistic Growth Process [14.189936229835222]
  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。
  論文  参考訳（メタデータ） (2025-02-11T03:11:42Z)
• Limits to AI Growth: The Ecological and Social Consequences of Scaling [0.7214316174103592]
  4つのレンズを用いたAIスケーリングの総合的なレビューを提供する。 我々は「成長への限界」のようなアーキタイプを含むシステムダイナミクスの概念を描いている。 私たちは、持続的でマインドフルな進歩を優先するために、スケーリングに関する優先順位と規範を実現することを提唱します。
  論文  参考訳（メタデータ） (2025-01-29T20:25:42Z)
• 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 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)
• Examining the Differential Risk from High-level Artificial Intelligence and the Question of Control [0.0]
  将来のAI能力の範囲と範囲は、依然として重要な不確実性である。 AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。 本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-06T15:46:02Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)

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。