Fugu-MT 論文翻訳(概要): Social Responsibility of Algorithms

論文の概要: Social Responsibility of Algorithms

arxiv url: http://arxiv.org/abs/2012.03319v1
Date: Sun, 6 Dec 2020 16:46:14 GMT
ステータス: 処理完了
システム内更新日: 2023-04-21 22:58:22.926558
Title: Social Responsibility of Algorithms
Title（参考訳）: アルゴリズムの社会的責任
Authors: Alexis Tsouki\`as
Abstract要約: 論文は、このトピックに関する科学的研究の概要を簡潔に述べ、このような自律的なアーティファクトの開発、存在、使用は、機械学習独占人工知能に対する最近の関心よりもずっと古いことを示している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Should we be concerned by the massive use of devices and algorithms which automatically handle an increasing number of everyday activities within our societies? The paper makes a short overview of the scientific investigation around this topic, showing that the development, existence and use of such autonomous artifacts is much older than the recent interest in machine learning monopolised artificial intelligence. We then categorise the impact of using such artifacts to the whole process of data collection, structuring, manipulation as well as in recommendation and decision making. The suggested framework allows to identify a number of challenges for the whole community of decision analysts, both researchers and practitioners.
Abstract（参考訳）: 社会内における日常的活動の増加を自動的に処理するデバイスやアルゴリズムの大量利用に懸念を抱くべきだろうか? 論文は、このトピックに関する科学的研究の概要を簡潔に述べ、このような自律的なアーティファクトの開発、存在、使用は、機械学習独占人工知能に対する最近の関心よりもずっと古いことを示している。そして、データ収集、構造化、操作、レコメンデーションと意思決定のプロセス全体に対する、そのような成果物の使用の影響を分類します。推奨されるフレームワークは、研究者と実践者の両方を含む、意思決定アナリストのコミュニティ全体で多くの課題を識別できる。

関連論文リスト

Artificial intelligence to automate the systematic review of scientific literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文参考訳（メタデータ） (2024-01-13T19:12:49Z)
On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-24T14:01:53Z)
Designing Explainable Predictive Machine Learning Artifacts: Methodology and Practical Demonstration [0.0]
さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
論文参考訳（メタデータ） (2023-06-20T15:11:26Z)
Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文参考訳（メタデータ） (2023-02-13T16:44:44Z)
Proposing an Interactive Audit Pipeline for Visual Privacy Research [0.0]
我々は、システムにおけるバイアスと公平性の問題を発見し、責任ある人間対ループの必要性を主張し、有害な社会的影響を持つ研究課題を探求する必要性を反映するために公正性を利用することについて議論する。私たちの目標は、視覚的プライバシとバイアスの問題に対して、機械学習パイプラインの体系的な分析を提供することです。
論文参考訳（メタデータ） (2021-11-07T01:51:43Z)
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)
AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文参考訳（メタデータ） (2021-09-24T19:17:09Z)
Individual Explanations in Machine Learning Models: A Survey for Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文参考訳（メタデータ） (2021-04-09T01:46:34Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)
Sensor Artificial Intelligence and its Application to Space Systems -- A White Paper [35.78525324168878]
このホワイトペーパーの目的は、専用の研究トピックとして"Sensor AI"を確立することである。 AIアプローチにおけるセンサーとその物理的特性を詳しく見ると、より堅牢で広く適用可能なアルゴリズムが生まれるだろう。センサーAIは、自動運転だけでなく、自動生産、予測保守、宇宙研究の分野でも決定的な役割を果たす。
論文参考訳（メタデータ） (2020-06-09T14:10:35Z)

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。