論文の概要: Learning from Learning Machines: Optimisation, Rules, and Social Norms
- arxiv url: http://arxiv.org/abs/2001.00006v1
- Date: Sun, 29 Dec 2019 17:42:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 07:27:36.824641
- Title: Learning from Learning Machines: Optimisation, Rules, and Social Norms
- Title(参考訳): 学習機械から学ぶ:最適化、ルール、社会規範
- Authors: Travis LaCroix and Yoshua Bengio
- Abstract要約: 経済的な実体の行動に最も類似したAIの領域は道徳的に良い意思決定の領域であるようだ。
近年のAIにおけるディープラーニングの成功は、そのような問題を解決するための明示的な仕様よりも暗黙的な仕様の方が優れていることを示唆している。
- 参考スコア(独自算出の注目度): 91.3755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is an analogy between machine learning systems and economic entities in
that they are both adaptive, and their behaviour is specified in a more-or-less
explicit way. It appears that the area of AI that is most analogous to the
behaviour of economic entities is that of morally good decision-making, but it
is an open question as to how precisely moral behaviour can be achieved in an
AI system. This paper explores the analogy between these two complex systems,
and we suggest that a clearer understanding of this apparent analogy may help
us forward in both the socio-economic domain and the AI domain: known results
in economics may help inform feasible solutions in AI safety, but also known
results in AI may inform economic policy. If this claim is correct, then the
recent successes of deep learning for AI suggest that more implicit
specifications work better than explicit ones for solving such problems.
- Abstract(参考訳): 機械学習システムと経済エンティティの間には、どちらも適応性があり、その振る舞いが明示的な方法で指定されている点が類似している。
経済的な実体の行動に最も類似したAIの領域は道徳的に良い意思決定の領域であるように思われるが、AIシステムにおいていかに正確な道徳的行動が達成できるかについては、オープンな疑問である。
本稿では、これらの2つの複雑なシステム間の類似性について検討し、この明らかな類似性についてより明確な理解が、社会経済ドメインとAIドメインの両方において私たちを前進させる可能性があることを示唆する。
この主張が正しければ、最近のAIのディープラーニングの成功は、そのような問題を解決するための明示的な仕様よりも暗黙的な仕様の方が優れていることを示唆している。
関連論文リスト
- On the Computational Complexity of Ethics: Moral Tractability for Minds
and Machines [0.0]
倫理領域の問題を解決するために人工知能(AI)が使えるかどうかについての議論は、主に人間の能力の観点からAIができることとできないことによって進められてきた。
本稿では,計算システムにできることやできないことに基づいて,どのようなモラルマシンが可能であるかを検討する。
論文 参考訳(メタデータ) (2023-02-08T17:39:58Z) - FATE in AI: Towards Algorithmic Inclusivity and Accessibility [0.0]
この研究は、責任あるAIに関する既存の研究に基づいており、グローバル・サウス(Global South)の領域に重点を置いている。
我々のゴールは、(1)FATEに関連する問題と透明性手法の有効性を評価すること、(2)AIのアクセシビリティとアクセシビリティのギャップを埋めるための有用な洞察と刺激を与えることである。
論文 参考訳(メタデータ) (2023-01-03T15:08:10Z) - Fairness in Agreement With European Values: An Interdisciplinary
Perspective on AI Regulation [61.77881142275982]
この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。
私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。
我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
論文 参考訳(メタデータ) (2022-06-08T12:32:08Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳(メタデータ) (2022-04-11T14:36:39Z) - Relational Artificial Intelligence [5.5586788751870175]
AIは伝統的に合理的な意思決定と結びついているが、すべての面においてAIの社会的影響を理解し、形作るためには、リレーショナルな視点が必要である。
AIに対する合理的なアプローチでは、計算アルゴリズムが人間の介入から独立して意思決定を推進し、バイアスと排除をもたらすことが示されている。
物事のリレーショナルな性質に焦点を当てたリレーショナルアプローチは、AIの倫理的、法的、社会的、文化的、環境的な影響を扱うために必要である。
論文 参考訳(メタデータ) (2022-02-04T15:29:57Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - The Need for Ethical, Responsible, and Trustworthy Artificial
Intelligence for Environmental Sciences [0.04588028371034406]
AIの倫理的利用と責任に関する議論を始めることが不可欠である。
一般的な誤解は、環境科学はAIが使われているときに意図しない結果に免疫があるということである。
天気や気候の例に焦点をあてるが、その結論は環境科学に広く当てはまる。
論文 参考訳(メタデータ) (2021-12-15T19:57:38Z) - AI Assurance using Causal Inference: Application to Public Policy [0.0]
ほとんどのAIアプローチは、"ブラックボックス"としてのみ表現することができ、透明性の欠如に悩まされる。
効果的で堅牢なAIシステムを開発するだけでなく、内部プロセスが説明可能で公平であることを確認することも重要です。
論文 参考訳(メタデータ) (2021-12-01T16:03:06Z) - The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning [126.37520136341094]
機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。
AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
論文 参考訳(メタデータ) (2021-08-05T17:42:35Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。