Latest Trends in Artificial Intelligence Technology: A Scoping Review

要約

【タイトル】
人工知能技術の最新動向：スコープレビュー

【要約】
– 人工知能技術は、スマートフォン、ソーシャルメディアプラットフォーム、検索エンジン、自動運転車などのさまざまな領域でより普及している。
– この研究は、PRISMAフレームワークに従って、現在の最先端の人工知能技術についてのスコープレビューを実施した。
– 人工知能と機械学習の分野から3つの認知されたジャーナルが使用され、2022年に発表された記事が観察された。
– 技術的なソリューションには、比較可能なソリューションに対してテストされ、一般に承認されたデータセットが使用され、結果が比較可能なソリューションに対して改善されている必要がある。
– 技術開発の最も重要な部分の1つは、複数のソースから収集されたデータをどのように処理して利用するかです。
– データは非常に構造化されておらず、技術的なソリューションは人間の最小限の手動作業でデータを利用できるようにする必要があります。
– このレビューの結果、ラベルが付けられたデータセットの作成は非常に骨の折れる作業であり、教師なし学習または半教師付き学習技術を利用するソリューションがますます研究されていることが示された。
– 学習アルゴリズムは効率的に更新できる必要があり、予測は解釈可能である必要があります。
– 実世界のアプリケーションで人工知能技術を使用する際には、安全性と説明可能な予測を考慮することが、大量採用の前提条件となります。

要約(オリジナル)

Artificial intelligence is more ubiquitous in multiple domains. Smartphones, social media platforms, search engines, and autonomous vehicles are just a few examples of applications that utilize artificial intelligence technologies to enhance their performance. This study carries out a scoping review of the current state-of-the-art artificial intelligence technologies following the PRISMA framework. The goal was to find the most advanced technologies used in different domains of artificial intelligence technology research. Three recognized journals were used from artificial intelligence and machine learning domain: Journal of Artificial Intelligence Research, Journal of Machine Learning Research, and Machine Learning, and articles published in 2022 were observed. Certain qualifications were laid for the technological solutions: the technology must be tested against comparable solutions, commonly approved or otherwise well justified datasets must be used while applying, and results must show improvements against comparable solutions. One of the most important parts of the technology development appeared to be how to process and exploit the data gathered from multiple sources. The data can be highly unstructured and the technological solution should be able to utilize the data with minimum manual work from humans. The results of this review indicate that creating labeled datasets is very laborious, and solutions exploiting unsupervised or semi-supervised learning technologies are more and more researched. The learning algorithms should be able to be updated efficiently, and predictions should be interpretable. Using artificial intelligence technologies in real-world applications, safety and explainable predictions are mandatory to consider before mass adoption can occur.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI