「ブラックボックスを開く」

Open the black box.

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

アリゾナ州立大学（ASU）とカリフォルニア大学ロサンゼルス校の研究者は、説明可能な設計空間探索（DSE）を通じて、深層学習アクセラレータの設計の根本的な理由を理解することを目指しています。

ASUのシャイル・デイヴは、ハードウェアとソフトウェアの設計は通常、ブラックボックスのメカニズムによって最適化されており、「設計構成の選択が設計全体の品質にどのように影響するかに関与する説明可能性と推論の欠如のため、過剰な試行が必要です」と述べました。

説明可能なDSEは、アクセラレータの意思決定プロセスを簡素化し、設計手法の選択が数分で行われるようにし、より小さな、より体系的でよりエネルギー効率の良いモデルをサポートします。

• VoAGIニュース、8月30日：Generative AIで構築された7つのプロジェクト • NumpyとPandasを超えて：あまり知られていないPythonライブラリ
• 「AIの襲撃を生き残る5つの収益性の高い小規模ビジネス」
• 「AWS 上の生成型 AI を使用して、放射線学のレポートの所見から自動的に印象を生成します」

デイヴのアルゴリズムは、機能や処理特性が異なる複数のアプリケーションに関連する設計ソリューションを調査し、それらの製品の実行効率の問題を解決することができます。ASUニュースの記事全文を参照

抄録の著作権は2023年SmithBucklin、ワシントンD.C.、アメリカ合衆国に帰属します

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!