بررسی هزینه های زیست محیطی درمسائل واقعی یادگیری ماشین

هزینه های زیست محیطی و محدودیت های انرژی با موضوعات جدیدی نظیر یادگیری ماشین درگیر شده اند، بحث در مورد اثرات زیست محیطی یادگیری ماشین فاقد چشم انداز فراتر از اندازه گیری های کمی است، در این مقاله استدلال ما دو پدیده بهم پیوسته را در نظر می گیرد، قابلیت تعمیم بلاعوض و آینده ای که یادگیری ماشین دارد و همچنین استنباط های استقرایی قابل تعیین را ارائه می دهیم. قابلیت تعمیم بلاعوض به اختلاف بین خواسته های شناختی مدل پیشنهادی انجام می شود. مورد دوم بیش از مدل قبلی با بهترین دقت ممکن برای دستیابی به بهینگی ارائه شده است ولی به دلیل اینکه عملکرد آن برای محیط زیست مضر است نا کارآمد می باشد. در پایان نشان خواهیم داد که آینده تحت سلطه القای غیرانسانی، استفاده از یادگیری ماشین است که بسیاری از استنباطات استقرایی با تعمیم یادگیری ماشین و هوش مصنوعی ارائه می شود. بحث حاضر سزاوار گسترش ارتباطات هزینه های زیست محیطی است تحقیق و استفاده از یادگیری ماشین بسیار سودمند خواهد بود..

کلیدواژه ها:

یادگیری ماشین ، تعمیم های استقرایی ، آنتروپوسن ، تغییرات اقلیمی