論文の概要: Ethical Considerations and Statistical Analysis of Industry Involvement in Machine Learning Research

• arxiv url: http://arxiv.org/abs/2006.04541v2
• Date: Mon, 19 Oct 2020 13:01:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 02:36:40.599448
• Title: Ethical Considerations and Statistical Analysis of Industry Involvement in Machine Learning Research
• Title（参考訳）: 機械学習研究における産業関与の倫理的考察と統計的分析
• Authors: Thilo Hagendorff, Kristof Meding
• Abstract要約: 我々は,過去5年間の主要なMLカンファレンスであるNeurIPS,CVPR,ICMLの全論文を調査した。 私たちの統計的アプローチは、関心の対立、イノベーション、男女平等に焦点を当てています。
• 参考スコア（独自算出の注目度）: 3.4773470589069473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industry involvement in the machine learning (ML) community seems to be increasing. However, the quantitative scale and ethical implications of this influence are rather unknown. For this purpose, we have not only carried out an informed ethical analysis of the field, but have inspected all papers of the main ML conferences NeurIPS, CVPR, and ICML of the last 5 years - almost 11,000 papers in total. Our statistical approach focuses on conflicts of interest, innovation and gender equality. We have obtained four main findings: (1) Academic-corporate collaborations are growing in numbers. At the same time, we found that conflicts of interest are rarely disclosed. (2) Industry publishes papers about trending ML topics on average two years earlier than academia does. (3) Industry papers are not lagging behind academic papers in regard to social impact considerations. (4) Finally, we demonstrate that industrial papers fall short of their academic counterparts with respect to the ratio of gender diversity. We believe that this work is a starting point for an informed debate within and outside of the ML community.
• Abstract（参考訳）: 機械学習(ML)コミュニティへの業界関与が増加しているようだ。 しかし、この影響の量的スケールと倫理的影響は、かなり不明である。 この目的のために、我々は、この分野に関する情報的倫理分析を行ったばかりでなく、過去5年間の主要なMLカンファレンスであるNeurIPS、CVPR、ICMLの全論文を調査した。 私たちの統計的アプローチは、関心の対立、イノベーション、男女平等に焦点を当てています。 1)アカデミック・コーポレート・コラボレーションの数は増加している。 同時に、関心の対立は滅多に開示されないことがわかった。 2) 産業界は,学界よりも平均2年早く,MLトピックスの動向に関する論文を公表している。 3) 産業論文は,社会的影響を考慮した学術論文よりも遅れていない。 (4) 最後に, 産業論文が男女の多様性の比率に関して, 学術論文に劣っていることを実証する。 この作業は、MLコミュニティ内外の情報的な議論の出発点であると考えています。

関連論文リスト

• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• How should the advent of large language models affect the practice of science? [51.62881233954798]
  大規模言語モデルの出現は科学の実践にどのように影響を与えるべきか? 我々は4つの科学者グループを招待し、この質問を反映し、彼らの見解を共有し、議論をおこなった。
  論文  参考訳（メタデータ） (2023-12-05T10:45:12Z)
• Topics, Authors, and Institutions in Large Language Model Research: Trends from 17K arXiv Papers [1.5362868418787874]
  大規模言語モデル(LLM)がAI研究に劇的に影響を与えており、これまで何が変わったのか、どのようにフィールドの未来を形作るかについての議論が引き起こされている。 このような疑問を明らかにするために,我々は,2023年対2018-2022年の動向に着目し,16,979 LLM関連arXiv論文のデータセットを新たに分析した。 2023年に最初の著者の半数が、AIの非NLP分野から参入し、学際的な拡張を推進している。 驚いたことに、業界は2023年の出版シェアを減らした。
  論文  参考訳（メタデータ） (2023-07-20T08:45:00Z)
• The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
  Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。 このレビューは、このトピックに関する知識に2つの主要な貢献をしている。 オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
  論文  参考訳（メタデータ） (2022-11-08T10:42:08Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Exploring ML testing in practice -- Lessons learned from an interactive rapid review with Axis Communications [4.875319458066472]
  機械学習(ML)テストでは、業界や学界への関心が高まっている。 産業とアカデミックは、厳密で関連する知識を生み出すために共に学ぶ必要があると信じています。
  論文  参考訳（メタデータ） (2022-03-30T12:01:43Z)
• Industry and Academic Research in Computer Vision [5.634825161148484]
  本研究は,コンピュータビジョンにおける産学研究と学界のダイナミックな関係を研究することを目的としている。 結果は、この分野を代表するトップ5ビジョンカンファレンスのセットで実証される。
  論文  参考訳（メタデータ） (2021-07-10T20:09:52Z)
• The Values Encoded in Machine Learning Research [6.11644847221881]
  初回会議、ICML、NeurIPSで発表された100の高度に引用された機械学習論文を分析した。 機械学習の研究で上げられた67の値を特定します。 高度に引用された論文とハイテク企業、エリート大学の間には、ますます密接な関係がある。
  論文  参考訳（メタデータ） (2021-06-29T17:24:14Z)
• Gender bias in magazines oriented to men and women: a computational approach [58.720142291102135]
  女性指向の雑誌の内容と男性指向の雑誌の内容を比較する。 トピック・モデリングの手法により、雑誌で議論されている主要なテーマを特定し、これらのトピックの存在が時間とともに雑誌間でどの程度異なるかを定量化する。 以上の結果から,セクシュアオブジェクトとしての家族,ビジネス,女性の出現頻度は,時間とともに消失する傾向にあることが示唆された。
  論文  参考訳（メタデータ） (2020-11-24T14:02:49Z)
• (Non)-neutrality of science and algorithms: Machine Learning between fundamental physics and society [0.0]
  出版物の書誌分析から文献の詳細な議論まで、この問題のさまざまな側面に対処する。 この分析は、科学の非中立性(歴史と社会との本質的な関係)という3つの重要な要素に基づいて行われる。 科学的思考の普遍性が内部から推定される分解は、この観点において、社会的・政治的議論においても必要な第一歩となる。
  論文  参考訳（メタデータ） (2020-05-27T09:43:28Z)

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。