Fugu-MT 論文翻訳(概要): Business (mis)Use Cases of Generative AI

論文の概要: Business (mis)Use Cases of Generative AI

arxiv url: http://arxiv.org/abs/2003.07679v1
Date: Mon, 2 Mar 2020 14:24:59 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 12:02:17.661566
Title: Business (mis)Use Cases of Generative AI
Title（参考訳）: ビジネス(ミス)ジェネレーティブAIのユースケース
Authors: Stephanie Houde, Vera Liao, Jacquelyn Martino, Michael Muller, David Piorkowski, John Richards, Justin Weisz, Yunfeng Zhang
Abstract要約: Generative AIは、トレーニングデータから新しいデータを生成することを学ぶ機械学習技術のクラスである。ディープフェイクやメディアおよびアート関連の生成AIのブレークスルーは人々の注意と想像を惹きつけたが、全体的な領域はビジネス利用の初期段階にある。我々は,AI技術者との共創デザインフィクションを用いて,ビジネス誤用事例の妥当性と重大性について検討する。
参考スコア（独自算出の注目度）: 21.295443526664744
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative AI is a class of machine learning technology that learns to generate new data from training data. While deep fakes and media-and art-related generative AI breakthroughs have recently caught people's attention and imagination, the overall area is in its infancy for business use. Further, little is known about generative AI's potential for malicious misuse at large scale. Using co-creation design fictions with AI engineers, we explore the plausibility and severity of business misuse cases.
Abstract（参考訳）: Generative AIは、トレーニングデータから新しいデータを生成することを学ぶ機械学習技術のクラスである。ディープフェイクやメディアおよびアート関連の生成AIのブレークスルーは、最近人々の注意と想像を惹きつけたが、全体的な領域はビジネス利用の初期段階にある。さらに、大規模な悪用に対する生成aiの可能性についてはほとんど知られていない。 AIエンジニアと共同創造デザインフィクションを用いて、ビジネス誤用事例の妥当性と重大性を探る。

関連論文リスト

AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文参考訳（メタデータ） (2023-10-03T06:55:19Z)
Constructing Dreams using Generative AI [23.344751807278044]
ジェネレーティブAIツールは、若者のための新しい、そしてアクセス可能なメディア作成形式を導入します。彼らは、偽メディアの生成、データ保護、プライバシー、AI生成アートの所有権に関する倫理的懸念を提起している。我々は,学生が想像する未来のアイデンティティを表現して生成的AI学習を促進する。
論文参考訳（メタデータ） (2023-05-19T21:56:12Z)
Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文参考訳（メタデータ） (2022-11-12T21:54:05Z)
Ten Years after ImageNet: A 360{\deg} Perspective on AI [36.9586431868379]
ニューラルネットワークが壮大な復活を遂げてから10年が経ちます。人材、コンピューティングリソース、データを管理するBig-TechによるAIの優位性は、極端なAIの分裂につながる可能性がある。高い期待に応えられず、自動運転車のような旗艦プロジェクトは、新たなAI冬を招きかねない。
論文参考訳（メタデータ） (2022-10-01T01:41:17Z)
A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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） (2021-09-27T09:56:23Z)
Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文参考訳（メタデータ） (2021-07-12T14:21:46Z)
Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文参考訳（メタデータ） (2021-06-25T22:31:55Z)
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文参考訳（メタデータ） (2020-11-17T13:14:28Z)
Explainability via Responsibility [0.9645196221785693]
本稿では,特定のトレーニングインスタンスをユーザに提供する,説明可能な人工知能へのアプローチを提案する。我々は、AIエージェントの動作の説明を人間のユーザに提供する能力を近似することで、このアプローチを評価する。
論文参考訳（メタデータ） (2020-10-04T20:41:03Z)
Artificial Intelligence in the Creative Industries: A Review [2.657505380055164]
本稿では,創造産業の文脈における人工知能(AI)技術と応用の現状を概観する。私たちはクリエイティブなアプリケーションを、AIテクノロジの使用方法に関連する5つのグループに分類します。これらの分野において、この急速に進歩する技術の成功と限界について検討する。
論文参考訳（メタデータ） (2020-07-24T07:29:52Z)
Artificial Intelligence is stupid and causal reasoning won't fix it [0.0]
Judea Pearl氏が提案するキーは、推論を因果推論と関連付けることで置き換えることだ。 AIマシーンが因果関係を把握できないというほどではないが、AIマシーン – 準計算 – はまったく理解できない。
論文参考訳（メタデータ） (2020-07-20T22:23:50Z)

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。