論文の概要: Principles to Practices for Responsible AI: Closing the Gap

• arxiv url: http://arxiv.org/abs/2006.04707v1
• Date: Mon, 8 Jun 2020 16:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 02:18:54.787126
• Title: Principles to Practices for Responsible AI: Closing the Gap
• Title（参考訳）: 責任あるAIのためのプラクティスの原則:ギャップを閉じる
• Authors: Daniel Schiff and Bogdana Rakova and Aladdin Ayesh and Anat Fanti and Michael Lennon
• Abstract要約: インパクトアセスメントフレームワークは、原則と実践のギャップを埋めるための有望なアプローチである、と我々は主張する。 我々は、森林生態系の復元におけるAIの使用に関するケーススタディをレビューし、インパクトアセスメントフレームワークが効果的で責任あるAIプラクティスにどのように変換できるかを実証する。
• 参考スコア（独自算出の注目度）: 0.1749935196721634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Companies have considered adoption of various high-level artificial intelligence (AI) principles for responsible AI, but there is less clarity on how to implement these principles as organizational practices. This paper reviews the principles-to-practices gap. We outline five explanations for this gap ranging from a disciplinary divide to an overabundance of tools. In turn, we argue that an impact assessment framework which is broad, operationalizable, flexible, iterative, guided, and participatory is a promising approach to close the principles-to-practices gap. Finally, to help practitioners with applying these recommendations, we review a case study of AI's use in forest ecosystem restoration, demonstrating how an impact assessment framework can translate into effective and responsible AI practices.
• Abstract（参考訳）: 企業は、責任あるAIにさまざまなハイレベルな人工知能(AI)原則を採用することを検討しているが、これらの原則を組織的なプラクティスとしてどのように実装するかは明確ではない。 本稿では原則と実践のギャップを概観する。 このギャップの5つの説明を,学際的な分割からツールの過剰さまで,概説する。 結果として、幅広い、運用可能、柔軟、反復的、ガイド付き、参加型のインパクトアセスメントフレームワークは、原則と実践のギャップを埋めるための有望なアプローチであると論じる。 最後に,これらのレコメンデーションを適用した実践者を支援するために,森林生態系修復におけるaiの利用に関するケーススタディをレビューし,影響評価フレームワークが効果的で責任のあるaiプラクティスにどのように変換できるかを実証する。

関連論文リスト

• Where Assessment Validation and Responsible AI Meet [0.0876953078294908]
  本稿では,古典的テスト検証理論と評価固有のドメインに依存しないRAIの原則と実践を考察する統合評価フレームワークを提案する。 このフレームワークは、妥当性議論をサポートする評価のための責任あるAI使用、人間の価値と監視を維持するためのAI倫理との整合性、そしてAI使用に関連するより広範な社会的責任に対処する。
  論文  参考訳（メタデータ） (2024-11-04T20:20:29Z)
• Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
  本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。 人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。 これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
  論文  参考訳（メタデータ） (2024-10-10T17:38:38Z)
• Crossing the principle-practice gap in AI ethics with ethical problem-solving [0.0]
  AI開発の技術的側面から倫理的言説を分離する原則-実践的ギャップを埋めるには、依然として未解決の問題である。 EPSは、責任、人間中心、価値指向のAI開発を促進する方法論である。 EPSを青写真として利用し、Ethics as a Service Platformの実装を提案します。
  論文  参考訳（メタデータ） (2024-04-16T14:35:13Z)
• Resolving Ethics Trade-offs in Implementing Responsible AI [18.894725256708128]
  初歩的なものから複雑なものまで、トレードオフを通じて緊張に対処するための5つのアプローチをカバーします。 いずれのアプローチも、すべての組織、システム、アプリケーションに適していない可能性が高い。 i)緊張の積極的な識別、(ii)倫理的側面の優先順位付けと重み付け、(iii)トレードオフ決定の正当化と文書化からなる枠組みを提案する。
  論文  参考訳（メタデータ） (2024-01-16T04:14:23Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• Responsible AI Considerations in Text Summarization Research: A Review of Current Practices [89.85174013619883]
  私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。 我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。 私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
  論文  参考訳（メタデータ） (2023-11-18T15:35:36Z)
• The Participatory Turn in AI Design: Theoretical Foundations and the Current State of Practice [64.29355073494125]
  本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。 我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
  論文  参考訳（メタデータ） (2023-10-02T05:30:42Z)
• AI Fairness: from Principles to Practice [0.0]
  本稿では,AIシステムにおける公平性を追求するための様々なアプローチ,手法,手法を要約し,評価する。 AIのバイアスを定義し、測定し、予防するための実践的なガイドラインを提案する。
  論文  参考訳（メタデータ） (2022-07-20T11:37:46Z)
• Case Study: Deontological Ethics in NLP [119.53038547411062]
  我々はNLPの観点から1つの倫理理論、すなわち非オントロジー的倫理について研究する。 特に、インフォームド・コンセントを通じて、一般化原則と自律性への敬意に焦点を当てる。 NLPシステムでこれらの原則をどのように利用できるかを示すための4つのケーススタディを提供する。
  論文  参考訳（メタデータ） (2020-10-09T16:04:51Z)
• Enhanced well-being assessment as basis for the practical implementation of ethical and rights-based normative principles for AI [0.0]
  本稿では,自律・知能システムを対象とした健康影響評価フレームワークの実用化について述べる。 このプロセスは、AIシステムの影響を理解するための、人間中心のアルゴリズム支援アプローチを可能にする。
  論文  参考訳（メタデータ） (2020-07-29T13:26:05Z)
• On the Morality of Artificial Intelligence [154.69452301122175]
  本稿では,機械学習の研究・展開に関する概念的かつ実践的な原則とガイドラインを提案する。 我々は,より倫理的で道徳的なMLの実践を追求するために,実践者が採る具体的な行動を主張している。
  論文  参考訳（メタデータ） (2019-12-26T23:06:54Z)

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。