[論文レビュー] Intelligent Computing: The Latest Advances, Challenges and Future

Shiqiang Zhu, Ting Yu+19 more|arXiv (Cornell University)|Nov 21, 2022

Advanced Memory and Neural Computing参考文献 321被引用数 19

ひとこと要約

本論文は、データ、知覚、認知、自律的知能の分野における知能計算の理論、システム、応用を統合的に網羅する包括的サーベイを提示する。解釈可能性、スケーラビリティ、システム複雑性の分野における主な課題を特定し、知能的でスケーラブルかつ信頼性の高い計算システムの今後の研究のためのロードマップを提案する。

ABSTRACT

Computing is a critical driving force in the development of human civilization. In recent years, we have witnessed the emergence of intelligent computing, a new computing paradigm that is reshaping traditional computing and promoting digital revolution in the era of big data, artificial intelligence and internet-of-things with new computing theories, architectures, methods, systems, and applications. Intelligent computing has greatly broadened the scope of computing, extending it from traditional computing on data to increasingly diverse computing paradigms such as perceptual intelligence, cognitive intelligence, autonomous intelligence, and human-computer fusion intelligence. Intelligence and computing have undergone paths of different evolution and development for a long time but have become increasingly intertwined in recent years: intelligent computing is not only intelligence-oriented but also intelligence-driven. Such cross-fertilization has prompted the emergence and rapid advancement of intelligent computing. Intelligent computing is still in its infancy and an abundance of innovations in the theories, systems, and applications of intelligent computing are expected to occur soon. We present the first comprehensive survey of literature on intelligent computing, covering its theory fundamentals, the technological fusion of intelligence and computing, important applications, challenges, and future perspectives. We believe that this survey is highly timely and will provide a comprehensive reference and cast valuable insights into intelligent computing for academic and industrial researchers and practitioners.

研究の動機と目的

• 知能計算を、知能と計算を統合する変革的パラダイムとして包括的に概説すること。
• 知能計算システム全体にわたる解釈可能性、汎用性、システム複雑性の分野における核心的課題を特定すること。
• AI、ビッグデータ、IoT、および先進的なコンピューティングアーキテクチャの技術的統合を分析すること。
• データ中心の計算から自律的知能および人間-コンピュータ統合知能への進化のマッピング。
• スケーラブルで信頼性が高く、説明可能な知能計算システムの今後の研究方向性を提示すること。

提案手法

• 知能計算の理論、システム、応用の分野にわたる体系的文献レビューの実施。
• 知能計算を知覚的知能、認知的知能、自律的知能、および人間-コンピュータ統合知能のパラダイムに分類すること。
• 大規模システムのスケーラビリティとリソース最適化を実現するための水平的および垂直的コンピューティングアーキテクチャの分析。
• 複雑システムにおけるミクロ-マクロなリンクをモデル化するためのマルチレベル抽象化フレームワークの提案。
• 大規模で非線形的かつ相互依存的な計算問題を管理するための人間主導のタスク分解法の導入。
• 大規模システムにおける解釈可能性と不確実性を分析するための高階層的理論的視点の確立。

実験結果

リサーチクエスチョン

• RQ1 知能計算システムは、狭義のAIをはるかに超えて、自律性、解釈可能性、一般化性の高い段階に到達するにはどうすればよいか？
• RQ2 現実世界の複雑性に対応するための知能計算システムをスケーリングするにあたり、根本的なアーキテクチャ的および理論的課題は何か？
• RQ3 多段階のサブシステムにおける不確実性および非線形的相互作用は、どのように効果的にモデル化され、管理されるべきか？
• RQ4 人間がループに参加するガイドラインは、大規模で相互依存的な計算タスクの分解と解決にどのように寄与できるか？
• RQ5 大規模な知能システムにおける解釈可能性と信頼性を保証するための統一された理論的フレームワークは、どのように開発されるべきか？

主な発見

• 知能計算は、データ中心の計算から知覚的知能、認知的知能、自律的知能を統合する段階へ進化し、広範な社会的インパクトをもたらしている。
• Folding@homeのような水平的コンピューティングアーキテクチャは、分散型ボランティアコンピューティングを活用することでエクサフロップススケールの性能を実証している。
• 現在のディープラーニングモデルは、解釈可能性、一般化性、自律性の面で顕著な制限を抱えており、人間レベルの知能に到達していない。
• 非線形なサブシステム相互作用と不確実性のため、大規模システムは高い複雑性に直面しており、現在の最適化手法ではその特徴を捉えられていない。
• 複数の不確実性下でも、大規模最適化問題を分解することで簡略化するための理論的基盤は確立されていない。
• 複雑で現実世界の知能システムにおける解釈可能性と構造的進化を分析するため、新たな高階層的理論的視点の導入が不可欠である。