論文の概要: (Non)-neutrality of science and algorithms: Machine Learning between fundamental physics and society

• arxiv url: http://arxiv.org/abs/2006.10745v1
• Date: Wed, 27 May 2020 09:43:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 04:56:15.197813
• Title: (Non)-neutrality of science and algorithms: Machine Learning between fundamental physics and society
• Title（参考訳）: 科学とアルゴリズムの中立性:基礎物理学と社会の機械学習
• Authors: Aniello Lampo, Michele Mancarella and Angelo Piga
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The impact of Machine Learning (ML) algorithms in the age of big data and platform capitalism has not spared scientific research in academia. In this work, we will analyse the use of ML in fundamental physics and its relationship to other cases that directly affect society. We will deal with different aspects of the issue, from a bibliometric analysis of the publications, to a detailed discussion of the literature, to an overview on the productive and working context inside and outside academia. The analysis will be conducted on the basis of three key elements: the non-neutrality of science, understood as its intrinsic relationship with history and society; the non-neutrality of the algorithms, in the sense of the presence of elements that depend on the choices of the programmer, which cannot be eliminated whatever the technological progress is; the problematic nature of a paradigm shift in favour of a data-driven science (and society). The deconstruction of the presumed universality of scientific thought from the inside becomes in this perspective a necessary first step also for any social and political discussion. This is the subject of this work in the case study of ML.
• Abstract（参考訳）: ビッグデータとプラットフォーム資本主義の時代における機械学習(ML)アルゴリズムの影響は、アカデミックにおける科学的研究を免れていない。 本研究では,基本物理学におけるMLの利用と,社会に直接影響を及ぼす他の事例との関係を分析する。 出版物の書誌分析から文献の詳細な議論、学界内外における生産的・活動的文脈の概観に至るまで、この問題のさまざまな側面に対処する。 分析は3つの重要な要素に基づいて行われる: 科学の非中立性は、歴史と社会との本質的な関係と理解される; アルゴリズムの非中立性は、プログラマの選択に依存する要素の存在という意味で、技術的進歩が何であれ排除できない; データ駆動科学(および社会)を支持するパラダイムシフトの問題点の性質である。 科学的な思考の普遍性が内部から排除されるということは、社会や政治の議論にも必要な第一歩となる。 これはMLのケーススタディにおける本研究の主題である。

関連論文リスト

• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• Data Science for Social Good [2.8621556092850065]
  本稿では,「データ・サイエンス・フォー・ソーシャル・グッド」(DSSG)研究の枠組みについて述べる。 本研究では,情報システムにおけるDSSG研究の質を実証的に示すために,文献の分析を行う。 この記事と特別号が今後のDSSG研究を刺激することを期待している。
  論文  参考訳（メタデータ） (2023-11-02T15:40:20Z)
• Beyond case studies: Teaching data science critique and ethics through sociotechnical surveillance studies [0.0]
  倫理は、それらが構造的抑圧を強化することを示すアルゴリズムやシステムの批判が増大する中で、データサイエンスの研究、実践、教育にとって緊急の関心事となっている。 我々は、社会技術システムである監視システムの分析を通じて、重要なデータ研究の根底にある社会現象に言及するデータサイエンス倫理コースを設計した。 学生は、彼ら自身の監視システムを調査し、彼らの利益、害、主要な支持者、抵抗する人々を特定するために、批判的な分析スキルを開発しました。
  論文  参考訳（メタデータ） (2023-05-03T20:24:42Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Automating Ambiguity: Challenges and Pitfalls of Artificial Intelligence [0.0]
  この論文は、科学と倫理の課題、落とし穴、AIの問題を調査するために、明らかに異なる分野の探求を織り交ぜている。 これらのシステムの様々な課題、問題、落とし穴は、批判的データ/アルゴリズム研究、科学と技術研究(STS)、具体化され活発な認知科学、複雑性科学、アフロフェミニズム、そして広く解釈された公正、説明責任、透明性の分野(FAccT)など、様々な分野の研究のホットトピックである。
  論文  参考訳（メタデータ） (2022-06-08T22:05:07Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Scientia Potentia Est -- On the Role of Knowledge in Computational Argumentation [52.903665881174845]
  本稿では,計算議論に必要な知識のピラミッドを提案する。 この分野におけるこれらのタイプの役割と統合について,その技術の現状を簡潔に論じる。
  論文  参考訳（メタデータ） (2021-07-01T08:12:41Z)
• Do Abstractions Have Politics? Toward a More Critical Algorithm Analysis [19.08810272234958]
  我々は、価値埋め込みの割当計算に基づくより重要なアルゴリズム分析である割当分析について論じる。 本稿では,5つのケーススタディを用いて,テクノロジーの社会的決定を論じる機会分析について述べる。
  論文  参考訳（メタデータ） (2021-01-04T05:59:26Z)

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。