論文の概要: Socially Responsible AI Algorithms: Issues, Purposes, and Challenges

• arxiv url: http://arxiv.org/abs/2101.02032v3
• Date: Thu, 18 Mar 2021 20:12:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-17 10:52:33.608028
• Title: Socially Responsible AI Algorithms: Issues, Purposes, and Challenges
• Title（参考訳）: 社会的責任を持つAIアルゴリズム:問題、目的、課題
• Authors: Lu Cheng, Kush R. Varshney, Huan Liu
• Abstract要約: 技術者とAI研究者は、信頼できるAIシステムを開発する責任がある。 AIと人間の長期的な信頼を構築するためには、アルゴリズムの公正性を超えて考えることが鍵だ、と私たちは主張する。
• 参考スコア（独自算出の注目度）: 31.382000425295885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the current era, people and society have grown increasingly reliant on artificial intelligence (AI) technologies. AI has the potential to drive us towards a future in which all of humanity flourishes. It also comes with substantial risks for oppression and calamity. Discussions about whether we should (re)trust AI have repeatedly emerged in recent years and in many quarters, including industry, academia, health care, services, and so on. Technologists and AI researchers have a responsibility to develop trustworthy AI systems. They have responded with great effort to design more responsible AI algorithms. However, existing technical solutions are narrow in scope and have been primarily directed towards algorithms for scoring or classification tasks, with an emphasis on fairness and unwanted bias. To build long-lasting trust between AI and human beings, we argue that the key is to think beyond algorithmic fairness and connect major aspects of AI that potentially cause AI's indifferent behavior. In this survey, we provide a systematic framework of Socially Responsible AI Algorithms that aims to examine the subjects of AI indifference and the need for socially responsible AI algorithms, define the objectives, and introduce the means by which we may achieve these objectives. We further discuss how to leverage this framework to improve societal well-being through protection, information, and prevention/mitigation.
• Abstract（参考訳）: 現代では、人や社会はますます人工知能(AI)技術に依存している。 AIは人類が繁栄する未来へと私たちを駆り立てる可能性がある。 また、抑圧や災難のリスクも大きい。 近年,産業,アカデミック,医療,サービスなど,多くの分野において,AIを信頼すべきかどうか(再)の議論が繰り返されている。 技術者とAI研究者は、信頼できるAIシステムを開発する責任がある。 彼らは、より責任のあるAIアルゴリズムの設計に多大な努力を払っている。 しかし、既存の技術ソリューションは範囲が狭く、主にスコア付けや分類のためのアルゴリズムに向けられ、公平さと望ましくないバイアスに重点を置いている。 AIと人間の長期的な信頼を構築するためには、アルゴリズムの公正性を超えて考えること、AIの無関心な振る舞いを引き起こす可能性のあるAIの主要な側面を結びつけることが鍵である、と私たちは主張する。 本稿では,AI非依存の課題と社会的責任を持つAIアルゴリズムの必要性を調査し,目的を定義し,これらの目的を達成するための手段を導入することを目的とした,社会責任型AIアルゴリズムの体系的枠組みを提供する。 さらに、この枠組みを利用して、保護、情報、予防・緩和を通じて社会福祉を改善する方法について論じる。

関連論文リスト

• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Rolling in the deep of cognitive and AI biases [1.556153237434314]
  我々は、AIが設計、開発、デプロイされる状況とは切り離せない社会技術システムとして理解する必要があると論じる。 我々は、人間の認知バイアスがAIフェアネスの概観の中核となる急進的な新しい方法論に従うことで、この問題に対処する。 我々は、人間にAIバイアスを正当化する新しいマッピングを導入し、関連する公正度と相互依存を検出する。
  論文  参考訳（メタデータ） (2024-07-30T21:34:04Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)
• Intent-aligned AI systems deplete human agency: the need for agency foundations research in AI safety [2.3572498744567127]
  人間の意図の一致は、安全なAIシステムには不十分である、と我々は主張する。 我々は、人類の長期的機関の保存がより堅牢な標準であると論じている。
  論文  参考訳（メタデータ） (2023-05-30T17:14:01Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• Positive AI: Key Challenges in Designing Artificial Intelligence for Wellbeing [0.5461938536945723]
  多くの人々は、AIが自分の生活に与える影響をますます心配しています。 AIの進歩を確実にするために、一部の研究者はAIを統治する鍵となる目的として「幸福」を提案した。 この記事では、幸福のためにAIを設計する際の重要な課題に対処する。
  論文  参考訳（メタデータ） (2023-04-12T12:43:00Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Rebuilding Trust: Queer in AI Approach to Artificial Intelligence Risk Management [0.0]
  信頼できるAIは、AIシステムとそのクリエイターに対する信頼が失われたり、そもそも存在しないため、重要なトピックになっている。 私たちは、信頼できるAI開発、デプロイメント、監視のフレームワークは、フェミニストと非エクスプロイト的デザインの原則の両方を取り入れなければならないと論じています。
  論文  参考訳（メタデータ） (2021-09-21T21:22:58Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)

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。