2025-01-24 に確認した最新投稿の一部です。
Article: 1
Title:
Expertise elevates AI usage: experimental evidence comparing laypeople and professional artists
Published:
2025-01-21
Authors:
Thomas F. Eisenmann, Andres Karjus, Mar Canet Sola, Levin Brinkmann, Bramantyo Ibrahim Supriyatno, Iyad Rahwan
Abstract:
文化的遺物を分析および生成する生成AIの新たな能力は、芸術教育と人間の専門知識の性質と価値について避けられない問題を提起します。AIはすでにプロのアーティストと一般の人々の間の競争の場を平準化しているのでしょうか、それとも訓練された芸術表現能力、キュレーションスキル、経験がこれらの新しいツールを使用する能力を代わりに強化しているのでしょうか?この事前登録された研究では、50人のアクティブなアーティストと人口統計学的に一致した素人のサンプルとの間で実験的比較を行います。私たちは、忠実で創造的なイメージ作成における彼らの能力をテストするための芸術的実践を近似するために、参照イメージを複製することと、参照イメージからできるだけ遠ざかることの2つのタスクを設計しました。私たちは、参加者が最新のテキストから画像へのモデルを使用して両方のタスクを完了するためのオーダーメイドのプラットフォームを開発しました。また、参加者のAIに対する感情を収集し、比較しました。平均して、アーティストは一般のアーティストよりも忠実で創造的な作品を生み出しましたが、わずかな差でしかありませんでした。AIはコンテンツ作成を容易にするかもしれませんが、ジェネレーティブAI自体の限られたスペース内でも、専門的な専門知識は依然として価値があります。最後に、画像生成エージェントの役割を与えられた場合、模範的な視覚対応大規模言語モデル(GPT-4o)が同じタスクをどの程度うまく完了するかを調査したところ、コピーでは同等に実行され、創造的なタスクではアーティストをも上回るパフォーマンスを発揮することがわかりました。どちらのタスクでも、人間によって最高の結果が得られました。これらの成果は、アーティストやその他のビジュアルプロフェッショナルがテクノロジーの進化に対応するための準備として、芸術的スキルとAIトレーニングを統合することの重要性を浮き彫りにしています。ジェネレーティブAIとの協調的な相乗効果には、クリエイティブ産業や芸術教育のあり方を変える可能性があると考えています。
Article: 2
Title:
Current Opinions on Memristor-Accelerated Machine Learning Hardware
Published:
2025-01-22
Authors:
Mingrui Jiang, Yichun Xu, Zefan Li, Can Li
Abstract:
人工知能(AI)のかつてないほどの進歩により、コンピューティングハードウェアには大きな要求が課せられていますが、従来のシリコンベースの半導体技術は物理的および経済的な限界に近づいており、新しいコンピューティングパラダイムの探求を促しています。Memristorは、インメモリのアナログ計算と大規模な並列処理を可能にする有望なソリューションを提供し、低遅延と消費電力を実現します。この論文では、メモリスタベースの機械学習アクセラレータの現状をレビューし、ニューラルネットワークの推論を加速するだけでなく、他の機械学習タスクにも取り組むプロトタイプチップの開発で達成されたマイルストーンに焦点を当てています。さらに重要なことは、デバイスのバリエーション、効率的な周辺回路の必要性、体系的な協調設計と最適化など、この分野に残された現在の主要な課題についての私たちの意見を議論することです。また、将来の方向性についても見解を共有しており、その中には既存の課題に対処するものもあれば、手つかずの領域を探求するものもあります。メモリスタベースのアクセラレータは、デバイスエンジニアリング、回路設計、システムアーキテクチャにまたがる学際的な取り組みを通じてこれらの課題に対処することで、特に電力効率が最優先されるエッジアプリケーションにおいて、AIハードウェアの機能を大幅に向上させることができます。
Article: 3
Title:
RL-RC-DoT: A Block-level RL agent for Task-Aware Video Compression
Published:
2025-01-21
Authors:
Uri Gadot, Assaf Shocher, Shie Mannor, Gal Chechik, Assaf Hallak
Abstract:
ビデオエンコーダーは、ビットレート制約下での再構成エラーを最小限に抑えることで、人間の知覚の圧縮を最適化します。自動運転などの多くの最新のアプリケーションでは、圧倒的多数のビデオが、人間が視聴するのではなく、物体認識やセグメンテーションなどのタスクを実行するAIシステムの入力として機能します。したがって、エンコーダーを知覚的な画像品質ではなく、ダウンストリーム タスク用に最適化すると便利です。しかし、このようなダウンストリームの最適化を、高効率で普及している既存の標準的なビデオエンコーダとどのように組み合わせるかが大きな課題となっています。ここでは、量子化パラメータ(QP)をマクロブロックレベルで制御し、ダウンストリームタスクを最適化することで、この課題に対処します。このきめ細かな制御により、各フレーム内のタスク関連領域のエンコードに優先順位を付けることができます。この最適化問題を強化学習(RL)タスクとして定式化し、エージェントはQPを選択することによるタスクパフォーマンスとビットレート制約の両方に対する長期的な影響のバランスを取ることを学習します。特に、当社のポリシーでは、推論中の入力としてダウンストリームタスクを必要としないため、ストリーミングアプリケーションや車両などのエッジデバイスに適しています。私たちは、車の検出とROI(顕著性)エンコーディングの2つのタスクで大幅な改善を示しています。私たちのアプローチは、従来のタスクに依存しないエンコード方法と比較して、特定のビットレートでのタスクパフォーマンスを向上させ、より効率的なタスク認識型ビデオ圧縮への道を開きます。
Article: 4
Title:
Published:
2025-01-22
Authors:
Jingshu Li, Yitian Yang, Q. Vera Liao, Junti Zhang, Yi-Chieh Lee
Abstract:
人間とAIの補完的な連携は、人間とAIの意思決定に不可欠です。それを達成するための実行可能なアプローチの1つは、AIとユーザーの両方の較正された信頼レベルを考慮することです。しかし、このプロセスは、AIの自信がユーザーの自信とそのキャリブレーションに影響を与える可能性があるという事実によって、より困難になる可能性があります。これらのダイナミクスを探るために、ランダム化行動実験を行いました。その結果、人間とAIの意思決定において、ユーザーの自信はAIの自信と一致し、AIが関与しなくなった後もその一致は持続する可能性があることが示されました。このアライメントは、ユーザーの自信のキャリブレーションに影響を与えます。また、意思決定のリアルタイムの正確性フィードバックの存在が、整合性の度合いを低下させることもわかりました。これらの知見は、ユーザーの自信がAIの自信と独立していないことを示唆しており、より良い人間とAIのコラボレーションを目指す実務家は、この点を認識する必要があります。私たちは、人間の認知と行動とAIの整合性に焦点を当てた研究を呼びかけます。
Article: 5
Title:
Empowering AIOps: Leveraging Large Language Models for IT Operations ManagementOperations Management
Published:
2025-01-21
Authors:
Arthur Vitui, Tse-Hsun Chen
Abstract:
人工知能(AI)をIT運用管理(ITOM)(一般にAIOpsと呼ばれる)に統合することで、ワークフローの自動化、効率の向上、情報に基づいた意思決定のサポートに大きな可能性がもたらされます。ただし、IT運用にAIを実装するには、データ品質に関連する問題、IT環境の複雑さ、チーム内のスキルギャップなどの課題がないわけではありません。大規模言語モデル(LLM)の出現は、特にその高度な自然言語理解機能を通じて、これらの課題のいくつかに対処する機会を提供します。これらの機能により、組織はシステムログ、インシデントレポート、技術文書など、膨大な量の非構造化データを処理および分析できます。この能力は、従来の予測機械学習モデルをLLMなどの生成AIテクノロジーと統合することを目指す私たちの研究の背後にある動機と一致しています。これらのアプローチを組み合わせることで、AIOpsの永続的な課題に取り組み、IT運用管理の機能を強化するための革新的な方法を提案します。