論文の概要: Participation is not a Design Fix for Machine Learning
- arxiv url: http://arxiv.org/abs/2007.02423v3
- Date: Tue, 11 Aug 2020 15:39:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 08:38:06.767091
- Title: Participation is not a Design Fix for Machine Learning
- Title(参考訳): 参加は機械学習の設計修正ではない
- Authors: Mona Sloane, Emanuel Moss, Olaitan Awomolo, Laura Forlano
- Abstract要約: 本稿では,デザイン実践と機械学習への既存の参加形態を批判的に検討する。
これは、MLコミュニティが、潜在的に利用的で抽出的なコミュニティ関与の形式に順応する必要があることを示唆している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper critically examines existing modes of participation in design
practice and machine learning. Cautioning against 'participation-washing', it
suggests that the ML community must become attuned to possibly exploitative and
extractive forms of community involvement and shift away from the prerogatives
of context-independent scalability.
- Abstract(参考訳): 本稿では,設計実践と機械学習の既存の参加形態を批判的に検討する。
参加洗浄」に対する注意として、mlコミュニティは、潜在的に搾取的かつ抽出的な形のコミュニティ関与に適応し、コンテキスト非依存のスケーラビリティの前提から脱却しなければならないことを示唆する。
関連論文リスト
- From Fitting Participation to Forging Relationships: The Art of
Participatory ML [0.7770029179741429]
参加型機械学習 (Participatory Machine Learning, ML) は、設計および開発プロセスにおいて、エンドユーザーとMLシステムに影響された人々の参加を促進する。
参加者の労働力の成果をMLアーティファクトやシステムへのインプットに変換する。
論文 参考訳(メタデータ) (2024-03-11T04:44:34Z) - On the Conflict of Robustness and Learning in Collaborative Machine
Learning [11.072939083563183]
コラボレーション機械学習(CML)は、参加者がトレーニングデータをプライベートに保ちながら、機械学習モデルを共同でトレーニングすることを可能にする。
健康関連のアプリケーションのような、プライバシーが強い要件であるシナリオでは、安全性も主要な関心事である。
これは、プライバシー保護のCMLプロセスが、潜在的に信頼できない参加者が存在する場合でも、正確で信頼性の高い決定を出力するモデルを生成する必要があることを意味する。
論文 参考訳(メタデータ) (2024-02-21T11:04:23Z) - Rethinking Machine Unlearning for Large Language Models [89.99791628154274]
大規模言語モデル(LLM)の領域における機械学習の研究
このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
論文 参考訳(メタデータ) (2024-02-13T20:51:58Z) - CommunityAI: Towards Community-based Federated Learning [6.535815174238974]
コミュニティベースフェデレーション学習のための新しいフレームワークであるCommunityAIを提案する。
CommunityAIは、参加者の関心や専門知識、データ特性に基づいて、参加者をコミュニティにまとめることを可能にする。
我々は,解決すべき概念的アーキテクチャ,システム要件,プロセス,今後の課題について議論する。
論文 参考訳(メタデータ) (2023-11-29T09:31:52Z) - 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) - Training Socially Aligned Language Models on Simulated Social
Interactions [99.39979111807388]
AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。
現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。
本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
論文 参考訳(メタデータ) (2023-05-26T14:17:36Z) - Power to the People? Opportunities and Challenges for Participatory AI [9.504176941117493]
人工知能(AI)と機械学習(ML)への参加的アプローチが勢いを増している。
本稿では,AIとMLパイプライン内の参加者参加手法や実践と同様に,歴史的文脈における参加的アプローチをレビューする。
我々は、参加型AI/MLが流行するにつれて、この用語の文脈的・ニュアンス的な理解と、参加型活動の主要な受益者がもたらす利益と機会を実現する上で重要な要素であるべきかどうかを考察する。
論文 参考訳(メタデータ) (2022-09-15T19:20:13Z) - Weakly Supervised Semantic Segmentation via Alternative Self-Dual
Teaching [82.71578668091914]
本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。
本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
論文 参考訳(メタデータ) (2021-12-17T11:56:56Z) - Teaching Uncertainty Quantification in Machine Learning through Use
Cases [0.0]
機械学習における不確実性は、一般的に機械学習コースのカリキュラムで一般的な知識として教えられるものではない。
本稿では,機械学習における不確実性に関するコースの短いカリキュラムを提案し,そのコースをユースケースの選択で補完する。
論文 参考訳(メタデータ) (2021-08-19T14:22:17Z) - Unsupervised Discriminative Embedding for Sub-Action Learning in Complex
Activities [54.615003524001686]
本稿では,複雑な活動における教師なしサブアクション学習の新たなアプローチを提案する。
提案手法は,視覚表現と時間表現の両方を,サブアクションを識別的に学習する潜在空間にマッピングする。
視覚-時空間埋め込みと判別的潜在概念の組み合わせにより,教師なし設定でロバストな動作表現を学習できることを示す。
論文 参考訳(メタデータ) (2021-04-30T20:07:27Z) - Uncertainty as a Form of Transparency: Measuring, Communicating, and
Using Uncertainty [66.17147341354577]
我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。
モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。
この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
論文 参考訳(メタデータ) (2020-11-15T17:26:14Z)
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。