AIの次のステップは 流動性知能

AIの次のステップは 流動性知能

今日のAIは「狭いAI」と呼ぶべきものです。学習済みモデルを新しい課題に適用するには、膨大な量の新しいデータを用いて時間をかけて学習する必要があります。

さまざまな形の知識を組み合わせ、因果関係を解き明かし、独自に新しいことを学ぶことができるAIが必要です。

一言で言えば、AIは流動的な知性を持つ必要があり、それこそが私たちが取り組んでいるものです。

IBMのすべてのビジョンと戦略を読む

今日のAIは「狭いAI」と呼ぶべきものです。学習済みモデルを新しい課題に適用するには、膨大な量の新しいデータを用いて時間をかけて学習する必要があります。

さまざまな形の知識を組み合わせ、因果関係を解き明かし、独自に新しいことを学ぶことができるAIが必要です。

一言で言えば、AIは流動的な知性を持つ必要があり、それこそが私たちが取り組んでいるものです。

IBMのすべてのビジョンと戦略を読む

戦略的ワークストリーム

ニューロシンボリックAI

IBMは、ニューラル技術とシンボリック技術を統合して、人間と同じように理解し、推論することで複雑なタスクを実行できるAIを構築中です。

AIハードウェア

IBMのデジタル/アナログ・アクセラレーターは、エネルギー効率を維持しながら計算能力の大幅な向上を推進します。

セキュアな信頼できるAI

世に出すあらゆるAIには、その中核に信頼とセキュリティーが組み込まれるべきです。IBMが構築しているのは、お客様がAIの信頼性とセキュリティーを確保できるように支援するツールです。

AIエンジニアリング

IBMが構築中のツールによって、AIクリエーターはモデルの学習、保守、更新に費やす時間を削減できます。

すべてのチームを見る

資料一覧

2020年8月

ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)

2020年7月

Association for Computational Linguistics (ACL)

2020年2月

Association for the Advancement of Artificial Intelligence (AAAI)

2019年12月

Conference on Neural Information Processing Systems (NeurIPS)

2019年8月

International Joint Conference on Artificial Intelligence (IJCAI)

すべてのAI発表文献(英語)

特色

mit-ibm watson ai ラボ

新しいクラスのアナログAIハードウェアの内部を旅する

IBMリサーチでは、新しいクラスのアナログAIハードウェアを開発しており、AIの次のステージへ約束を実現するために開発者の支援することを目的としています。(英語)

ハードウェアの詳細

最新ニュース

Blog

Using machine learning to solve a dense hydrogen conundrum

IBMは、業界パートナーとチームを組み、ハイブリッドクラウド環境にエネルギー効率の高いAIハードウェアを導入(英語)


202年10月21日

intern using quantum experience

Blog

RoboRXN: Automating Chemical Synthesis

RoboRXN: 化学合成の自動化(英語)


2020年8月26日

RoboRXN: Automating Chemical Synthesis

AIテクノロジーで向上した新時代の公開講演を体験してください

活発な討論に参加する(英語)

2020年10月18日

Blog

フェデレーテッド・ラーニング - データがある場所で行う機械学習

フェデレーテッド・ラーニング - データがある場所で行う機械学習(英語)


2020年8月26日

フェデレーテッド・ラーニング - データがある場所で行う機械学習

Newsletter

毎月最新の研究ニュースをメールで受け取りましょう



登録する(英語)

実験

人工知能という観点からインメモリコンピューティングデバイスの機能を調査し、使用するためのオープンソースのPythonツールキットです。

ツールキットにアクセスする(英語)

VSRLを従来の強化学習と比較して、多様な環境条件下と様々な学習量でどのように機能するかを確認します。

実験にアクセスする(英語)

AIを活用したコマンド・ライン・プラグインのオープンソース・フレームワークであるCLAIをお試しください。CLAIを使用すると、障害を取り除いたり欠落している依存関係を見つけたりすることでコマンド・ラインのナビゲートがより効率的になります。

実験にアクセスする(英語)

発表文献

日付 内容  タイトル ジャーナル/場所
2020年6月 論文

Verifiably Safe Exploration for End-to-End Reinforcement Learning

arXiv
2020年5月 論文

Accurate deep neural network inference using computational phase-change memory

Nature Communications
2020年1月 論文

Towards a Homomorphic Machine Learning Big Data Pipeline for the Financial Services Sector

IACR

AI研究チーム

AIハードウェア
アルゴリズム的加速
Auto AI (ツール)
コンピューター・ビジョン
説明可能性
公平性
知識と推論
機械学習
自然言語
プロセス・オートメーション
頑健性
スピーチ
透過性と説明責任
価値観の一致