論文の概要: Insiders and Outsiders in Research on Machine Learning and Society

• arxiv url: http://arxiv.org/abs/2102.02279v1
• Date: Wed, 3 Feb 2021 20:19:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 22:15:07.516924
• Title: Insiders and Outsiders in Research on Machine Learning and Society
• Title（参考訳）: 機械学習と社会研究のインサイダーとアウトサイダー
• Authors: Yu Tao and Kush R. Varshney
• Abstract要約: 機械学習研究のサブセットは、公正性、説明責任、透明性、および社会的善のための機械学習の使用を含む社会的問題と交差する。 arXivに投稿されたすべての機械学習論文の著者数を分析することで、過剰に表現された背景の研究者と比較して、表現されていない背景の研究者は、この交差点で研究を行う傾向にあることを示す。
• 参考スコア（独自算出の注目度）: 25.994199382834317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A subset of machine learning research intersects with societal issues, including fairness, accountability and transparency, as well as the use of machine learning for social good. In this work, we analyze the scholars contributing to this research at the intersection of machine learning and society through the lens of the sociology of science. By analyzing the authorship of all machine learning papers posted to arXiv, we show that compared to researchers from overrepresented backgrounds (defined by gender and race/ethnicity), researchers from underrepresented backgrounds are more likely to conduct research at this intersection than other kinds of machine learning research. This state of affairs leads to contention between two perspectives on insiders and outsiders in the scientific enterprise: outsiders being those outside the group being studied, and outsiders being those who have not participated as researchers in an area historically. This contention manifests as an epistemic question on the validity of knowledge derived from lived experience in machine learning research, and predicts boundary work that we see in a real-world example.
• Abstract（参考訳）: 機械学習研究のサブセットは、公正性、説明責任、透明性、および社会的善のための機械学習の使用を含む社会的問題と交差する。 本研究では,学術社会学のレンズを通して,機械学習と社会の交点における研究に寄与する研究者を分析した。 arXivに投稿されたすべての機械学習論文の著者数を分析することで、過剰に表現された背景(性別と人種/民族によって定義される)の研究者と比較して、未表現の背景の研究者は、他の種類の機械学習研究よりも、この交差点で研究を行う傾向にあることを示す。 この状況は、科学企業におけるインサイダーとアウトサイダーの2つの視点、すなわち、研究対象外のアウトサイダーと、歴史的にある分野の研究者として参加していないインサイダーとの対立に繋がる。 この議論は、機械学習研究における生活経験から得られた知識の妥当性に関する認識論的疑問として現れ、実例で見る境界作業を予測する。

関連論文リスト

• The Thousand Faces of Explainable AI Along the Machine Learning Life Cycle: Industrial Reality and Current State of Research [37.69303106863453]
  この知見は機械学習ライフサイクルにおけるXAIの役割と適用性に関する広範なインタビューに基づいている。 また,不透明なAIモデルの非専門家の解釈と理解を可能にするためには,さらなる努力が必要であることも確認した。
  論文  参考訳（メタデータ） (2023-10-11T20:45:49Z)
• 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)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• Human-Centered Responsible Artificial Intelligence: Current & Future Trends [76.94037394832931]
  近年、CHIコミュニティは人間中心のレスポンシブル人工知能の研究において著しい成長を遂げている。 この研究はすべて、人権と倫理に根ざしたまま、人類に利益をもたらすAIを開発し、AIの潜在的な害を減らすことを目的としている。 本研究グループでは,これらのトピックに関心のある学術・産業の研究者を集結させ,現在の研究動向と今後の研究動向を地図化することを目的とする。
  論文  参考訳（メタデータ） (2023-02-16T08:59:42Z)
• The Objective Function: Science and Society in the Age of Machine Intelligence [0.0]
  機械知能は、刑事司法、商業、医学、メディア、芸術、機械工学と異なる分野に適用されている。 この論文は、機械学習を創出する応用機械学習研究者の職場での実践を調べるものである。 この論文は、機械学習が他の機関や組織からの様々な宿泊施設にどのように依存するかについても検討している。
  論文  参考訳（メタデータ） (2022-09-21T15:05:54Z)
• Word Embedding for Social Sciences: An Interdisciplinary Survey [9.657531563610767]
  我々は,調査論文の方法と手順を説明するための分類学を構築した。 この調査はまた、文献で使われる共通類似度の測定が異なる結果をもたらすことを警告するための簡単な実験も行った。
  論文  参考訳（メタデータ） (2022-07-07T04:49:21Z)
• Researching Alignment Research: Unsupervised Analysis [14.699455652461726]
  AIアライメント研究は、人工知能(AI)が人間に利益をもたらすことを保証することを目的としている。 このプロジェクトでは、既存のAIアライメント研究を収集、分析した。 フィールドは急速に成長しており、いくつかのサブフィールドが平行して出現している。
  論文  参考訳（メタデータ） (2022-06-06T18:24:17Z)
• Characterising Research Areas in the field of AI [68.8204255655161]
  トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。 その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-05-26T16:30:30Z)
• 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)
• How to Train Your Robot with Deep Reinforcement Learning; Lessons We've Learned [111.06812202454364]
  本稿では,ロボット深部RLのケーススタディをいくつか紹介する。 深部RLにおける一般的な課題と,それらの課題について論じる。 また、他の卓越した課題についても概説し、その多くが現実世界のロボティクスの設定に特有のものである。
  論文  参考訳（メタデータ） (2021-02-04T22:09:28Z)
• 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)

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。