論文の概要: Is there a role for statistics in artificial intelligence?
- arxiv url: http://arxiv.org/abs/2009.09070v1
- Date: Sun, 13 Sep 2020 14:39:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 02:50:35.214029
- Title: Is there a role for statistics in artificial intelligence?
- Title(参考訳): 人工知能における統計学の役割はあるか?
- Authors: Sarah Friedrich, Gerd Antes, Sigrid Behr, Harald Binder, Werner
Brannath, Florian Dumpert, Katja Ickstadt, Hans Kestler, Johannes Lederer,
Heinz Leitg\"ob, Markus Pauly, Ansgar Steland, Adalbert Wilhelm, Tim Friede
- Abstract要約: 人工知能(AI)の研究と応用は、包括的な科学的、経済的、社会的、政治的議論を引き起こしている。
統計学は、AIの理論的および実践的理解と将来の発展において重要な役割を果たす。
本稿では,AI開発における統計的方法論の意義を明らかにすることで,現在の議論に貢献することを目的とする。
- 参考スコア(独自算出の注目度): 1.775251182905249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The research on and application of artificial intelligence (AI) has triggered
a comprehensive scientific, economic, social and political discussion. Here we
argue that statistics, as an interdisciplinary scientific field, plays a
substantial role both for the theoretical and practical understanding of AI and
for its future development. Statistics might even be considered a core element
of AI. With its specialist knowledge of data evaluation, starting with the
precise formulation of the research question and passing through a study design
stage on to analysis and interpretation of the results, statistics is a natural
partner for other disciplines in teaching, research and practice. This paper
aims at contributing to the current discussion by highlighting the relevance of
statistical methodology in the context of AI development. In particular, we
discuss contributions of statistics to the field of artificial intelligence
concerning methodological development, planning and design of studies,
assessment of data quality and data collection, differentiation of causality
and associations and assessment of uncertainty in results. Moreover, the paper
also deals with the equally necessary and meaningful extension of curricula in
schools and universities.
- Abstract(参考訳): 人工知能(AI)の研究と応用は、包括的な科学的、経済的、社会的、政治的議論を引き起こしている。
ここでは、統計学は、学際的な科学分野として、AIの理論的・実践的理解と将来の発展において重要な役割を果たすと論じる。
統計学はAIの中核要素と見なされることもある。
データ評価の専門知識は、研究問題の正確な定式化から始まり、研究設計段階を経て結果の分析と解釈へと移行し、統計学は教育、研究、実践の他の分野の自然なパートナーとなる。
本稿では,AI開発における統計的方法論の意義を明らかにすることで,現在の議論に貢献することを目的とする。
特に,方法論の発達,研究の計画と設計,データ品質とデータ収集の評価,因果関係の分化,結果の不確実性評価に関する人工知能分野への統計の貢献について論じる。
さらに、学校や大学におけるカリキュラムの等しく必要で有意義な拡張についても論じる。
関連論文リスト
- Analyses and Concerns in Precision Medicine: A Statistical Perspective [0.06526824510982801]
本稿では,精密医療における統計的分析の重要性について考察する。
予測モデリング、機械学習アルゴリズム、データ可視化技術に焦点を当てている。
論文 参考訳(メタデータ) (2024-01-12T21:33:17Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳(メタデータ) (2023-11-01T11:16:41Z) - The ethical ambiguity of AI data enrichment: Measuring gaps in research
ethics norms and practices [2.28438857884398]
この研究は、AI研究とデータ豊か化のために、同等な研究倫理要件と規範がどのように開発されたか、そしてどの程度まで調査する。
主要なAI会場は、人間のデータ収集のためのプロトコルを確立し始めているが、これらは矛盾なく著者が追従している。
論文 参考訳(メタデータ) (2023-06-01T16:12:55Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳(メタデータ) (2022-11-07T16:19:42Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳(メタデータ) (2021-06-14T20:48:48Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳(メタデータ) (2021-05-07T12:01:31Z) - Qualitative Investigation in Explainable Artificial Intelligence: A Bit
More Insight from Social Science [0.5801044612920815]
説明可能な人工知能(XAI)におけるユーザ研究の焦点分析について述べる。
我々は、XAI研究者が観察、インタビュー、フォーカスグループ、および/またはアンケートを用いて質的なデータを収集する研究の厳密さを改善する方法を提案するために、社会科学コーパスを描いている。
分析の結果は,XAIコミュニティの他者から,社会規律の専門家とのコラボレーションを提唱し,ユーザスタディにおける厳格さと有効性を高めている。
論文 参考訳(メタデータ) (2020-11-13T21:02:16Z) - Targeting Learning: Robust Statistics for Reproducible Research [1.1455937444848387]
ターゲティング・ラーニング(Targeted Learning)は、因果推論、機械学習、統計理論の進歩を統一して、科学的に影響のある質問に統計的信頼性で答えるのに役立つ統計分野である。
ターゲット学習のロードマップは、仮説を最小化し、利用可能な科学的知識にのみ注意深く根ざすように、統計的手続きを調整することを強調する。
論文 参考訳(メタデータ) (2020-06-12T17:17:01Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z) - No computation without representation: Avoiding data and algorithm
biases through diversity [11.12971845021808]
学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。
これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
論文 参考訳(メタデータ) (2020-02-26T23:07:39Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳(メタデータ) (2020-02-05T21:35:29Z)
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。