論文の概要: Degrees of individual and groupwise backward and forward responsibility
in extensive-form games with ambiguity, and their application to social
choice problems
- arxiv url: http://arxiv.org/abs/2007.07352v1
- Date: Thu, 9 Jul 2020 13:19:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 05:00:53.802104
- Title: Degrees of individual and groupwise backward and forward responsibility
in extensive-form games with ambiguity, and their application to social
choice problems
- Title（参考訳）: あいまいなゲームにおける個人的・集団的後方・前方的責任度とその社会的選択問題への応用
- Authors: Jobst Heitzig and Sarah Hiller
- Abstract要約: 確率単位の責任度を評価するために,様々な量的責任度尺度を提示する。
広義のゲームツリーの適応版と公理的アプローチに基づくフレームワークを使用する。
ほとんどの特性は、そのような責任計量を望んでも、ある変種によって達成できるが、他の指標より明らかに優れている最適な計量は見つからない。
- 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: Many real-world situations of ethical relevance, in particular those of
large-scale social choice such as mitigating climate change, involve not only
many agents whose decisions interact in complicated ways, but also various
forms of uncertainty, including quantifiable risk and unquantifiable ambiguity.
In such problems, an assessment of individual and groupwise moral
responsibility for ethically undesired outcomes or their responsibility to
avoid such is challenging and prone to the risk of under- or overdetermination
of responsibility. In contrast to existing approaches based on strict causation
or certain deontic logics that focus on a binary classification of
`responsible' vs `not responsible', we here present several different
quantitative responsibility metrics that assess responsibility degrees in units
of probability. For this, we use a framework based on an adapted version of
extensive-form game trees and an axiomatic approach that specifies a number of
potentially desirable properties of such metrics, and then test the developed
candidate metrics by their application to a number of paradigmatic social
choice situations. We find that while most properties one might desire of such
responsibility metrics can be fulfilled by some variant, an optimal metric that
clearly outperforms others has yet to be found.
- Abstract（参考訳）: 倫理的関連性の多くの現実的な状況、特に気候変動の緩和のような大規模な社会的選択の状況は、決定が複雑な方法で相互作用する多くのエージェントだけでなく、定量化可能なリスクや不確実性を含む様々な不確実性も含む。
このような問題では、倫理的に望まれない結果に対する個人的・集団的道徳的責任の評価やそれを避ける責任は困難であり、責任の過小評価や過度な決定のリスクが伴う。
厳密な因果関係に基づく既存のアプローチや、'責任'と'責任なし'のバイナリ分類に焦点を当てたある種のデオン論理とは対照的に、ここでは確率の単位における責任度を評価するいくつかの異なる量的責任度指標を示す。
そこで我々は,広義のゲームツリーの適応バージョンに基づくフレームワークと,そのようなメトリクスの潜在的に望ましいプロパティを多数定義した公理的アプローチを用いて,開発候補のメトリクスを複数のパラダイム的社会的選択状況に適用して検証する。
ほとんどの特性は、そのような責任計量を望んでも、ある変種によって達成できるが、他の指標より明らかに優れている最適な計量は見つからない。
関連論文リスト
- Causal Responsibility Attribution for Human-AI Collaboration [62.474732677086855]
本稿では,人間のAIシステムにおける責任を体系的に評価するために,構造因果モデル(SCM)を用いた因果的枠組みを提案する。
2つのケーススタディは、多様な人間とAIのコラボレーションシナリオにおけるフレームワークの適応性を示している。
論文 参考訳（メタデータ） (2024-11-05T17:17:45Z) - Measuring Responsibility in Multi-Agent Systems [1.5883812630616518]
マルチエージェントプランニングにおける責任の定量的尺度のファミリーを紹介する。
行動と責任の確率を3つの指標でリンクすることで、特定の結果のエージェントに責任を割り当てます。
エントロピーに基づく責任測定は、時間の経過とともに結果の因果責任特性を捉えた最初のものである。
論文 参考訳（メタデータ） (2024-10-31T18:45:34Z) - Responsibility in a Multi-Value Strategic Setting [12.143925288392166]
責任はマルチエージェントシステムにおいて重要な概念であり、安全で信頼性があり倫理的なAIを作成する。
マルチエージェント・マルチバリュー設定における責任帰属モデルを提案する。
責任の考慮は、エージェントがその価値に沿った戦略を選択するのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2024-10-22T17:51:13Z) - Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。
エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。
我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
論文 参考訳（メタデータ） (2024-09-26T21:00:45Z) - Auditing Fairness under Unobserved Confounding [56.61738581796362]
リスクファクターがすべて観察されているという仮定を完全に取り除いたり緩和したりしても、ハイリスクな個人に治療率に有意義な限界を与えることができることを示す。
既存の意思決定システムの不公平な結果を原則的に評価することができる。
論文 参考訳（メタデータ） (2024-03-18T21:09:06Z) - On solving decision and risk management problems subject to uncertainty [91.3755431537592]
不確実性は意思決定とリスク管理において広範囲にわたる課題である。
本稿では,このような戦略を体系的に理解し,その適用範囲を判断し,それらをうまく活用するための枠組みを開発する。
論文 参考訳（メタデータ） (2023-01-18T19:16:23Z) - 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) - Catastrophe, Compounding & Consistency in Choice [4.974890682815778]
条件付きバリュー・アット・リスク(CVaR)は、稀で破滅的な出来事が決定よりも与える影響を正確に特徴づける。
これらの例は、リスク態度を特徴付けることを目的として、将来の実験を基礎にすることができる。
論文 参考訳（メタデータ） (2021-11-12T16:33:06Z) - Two steps to risk sensitivity [4.974890682815778]
条件付きバリュー・アット・リスク(CVaR)は、人間と動物の計画のモデル化のためのリスク尺度である。
CVaRに対する従来の分布的アプローチを逐次的に導入し、人間の意思決定者の選択を再分析する。
次に,リスク感度,すなわち時間的整合性,さらに重要な特性について考察し,CVaRの代替案を示す。
論文 参考訳（メタデータ） (2021-11-12T16:27:47Z) - Robust Allocations with Diversity Constraints [65.3799850959513]
エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。
また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
論文 参考訳（メタデータ） (2021-09-30T11:09:31Z)
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。