論文の概要: Trusted Artificial Intelligence: Towards Certification of Machine Learning Applications

• arxiv url: http://arxiv.org/abs/2103.16910v1
• Date: Wed, 31 Mar 2021 08:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 14:42:28.799099
• Title: Trusted Artificial Intelligence: Towards Certification of Machine Learning Applications
• Title（参考訳）: trusted artificial intelligence: 機械学習応用認定に向けて
• Authors: Philip Matthias Winter, Sebastian Eder, Johannes Weissenb\"ock, Christoph Schwald, Thomas Doms, Tom Vogt, Sepp Hochreiter, Bernhard Nessler
• Abstract要約: T"UV AUSTRIA Groupは、Johannes Kepler University LinzのInstitute for Machine Learningと協力して、認定プロセスを提案する。 全体的なアプローチは、セキュアなソフトウェア開発、機能要件、データ品質、データ保護、倫理の側面を評価し検証しようとするものである。 監査カタログは教師あり学習の範囲内の低リスクアプリケーションに適用することができる。
• 参考スコア（独自算出の注目度）: 5.7576910363986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial Intelligence is one of the fastest growing technologies of the 21st century and accompanies us in our daily lives when interacting with technical applications. However, reliance on such technical systems is crucial for their widespread applicability and acceptance. The societal tools to express reliance are usually formalized by lawful regulations, i.e., standards, norms, accreditations, and certificates. Therefore, the T\"UV AUSTRIA Group in cooperation with the Institute for Machine Learning at the Johannes Kepler University Linz, proposes a certification process and an audit catalog for Machine Learning applications. We are convinced that our approach can serve as the foundation for the certification of applications that use Machine Learning and Deep Learning, the techniques that drive the current revolution in Artificial Intelligence. While certain high-risk areas, such as fully autonomous robots in workspaces shared with humans, are still some time away from certification, we aim to cover low-risk applications with our certification procedure. Our holistic approach attempts to analyze Machine Learning applications from multiple perspectives to evaluate and verify the aspects of secure software development, functional requirements, data quality, data protection, and ethics. Inspired by existing work, we introduce four criticality levels to map the criticality of a Machine Learning application regarding the impact of its decisions on people, environment, and organizations. Currently, the audit catalog can be applied to low-risk applications within the scope of supervised learning as commonly encountered in industry. Guided by field experience, scientific developments, and market demands, the audit catalog will be extended and modified accordingly.
• Abstract（参考訳）: 人工知能は21世紀で最も急速に成長している技術の1つであり、技術アプリケーションと対話するときに日々の生活に我々を伴っている。 しかし、このような技術システムへの依存は適用性や受容性に不可欠である。 信頼を表す社会的な道具は通常、標準、規範、認定、証明書など、合法的な規則によって形式化される。 そのため、ヨハネス・ケプラー大学リンツの機械学習研究所と協力して、T\"UV AUSTRIA Groupは、機械学習アプリケーションのための認定プロセスと監査カタログを提案している。 私たちは、私たちのアプローチが、現在の人工知能の革命を駆動する技術である機械学習とディープラーニングを使用するアプリケーションの認証の基盤となると確信しています。 人間と共有するワークスペース内の完全自律型ロボットのような特定の高リスク領域は、まだ認定からしばらく離れているものの、低リスクのアプリケーションを認証手順でカバーすることを目指している。 我々の総合的なアプローチは、セキュアなソフトウェア開発、機能要件、データ品質、データ保護、倫理といった側面を評価し検証するために、複数の視点から機械学習アプリケーションを分析しようと試みています。 既存の作業に触発されて、人間、環境、組織に対する決定の影響に関する機械学習アプリケーションの臨界度をマップするために、4つの臨界レベルを導入します。 現在、監査カタログは、業界でよく見られる教師付き学習の範囲内で、リスクの低いアプリケーションに適用することができる。 フィールドエクスペリエンス、科学的発展、市場要求によってガイドされ、監査カタログが拡張され、修正される。

関連論文リスト

• A Systematic Literature Review on the Use of Machine Learning in Software Engineering [0.0]
  本研究は,ソフトウェア工学プロセスに機械学習技術を適用する際の技術の現状を探るため,その目的と研究課題に従って実施された。 レビューでは、ソフトウェア品質保証、ソフトウェア保守、ソフトウェア理解、ソフトウェアドキュメントなど、MLが適用されたソフトウェアエンジニアリングにおける重要な領域を特定している。
  論文  参考訳（メタデータ） (2024-06-19T23:04:27Z)
• Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
  モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。 特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
  記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。 私たちは、インテリジェンスを具体化するための課題と機会を強調します。 本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
  論文  参考訳（メタデータ） (2021-10-28T16:04:01Z)
• Towards Fairness Certification in Artificial Intelligence [31.920661197618195]
  我々は,AIフェアネス認証に必要な運用手順を定義するための最初の共同作業を提案する。 我々は、オフィシャルサービスに入る前にAIシステムが満たすべき基準と、公正な判断のためにその機能を監視するのに役立つ適合性評価手順を概観する。
  論文  参考訳（メタデータ） (2021-06-04T14:12:12Z)
• A Review of Formal Methods applied to Machine Learning [0.6853165736531939]
  機械学習システムの検証の新たな分野に適用される最先端の形式的手法を検討します。 我々はまず,安全クリティカルな分野であるavionic softwareにおいて確立された形式的手法とその現状を思い出す。 次に、機械学習のためにこれまでに開発された形式的手法を包括的かつ詳細にレビューし、その強みと限界を強調します。
  論文  参考訳（メタデータ） (2021-04-06T12:48:17Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• Technology Readiness Levels for AI & ML [79.22051549519989]
  機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。 エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。 我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-21T17:14:34Z)
• Quality Management of Machine Learning Systems [0.0]
  機械学習(ML)技術の大きな進歩により、人工知能(AI)は私たちの日常生活の一部になっています。 ビジネス/ミッションクリティカルなシステムでは、AIアプリケーションの信頼性と保守性に関する深刻な懸念が残っている。 本稿では,MLアプリケーションのための総合的な品質管理フレームワークの展望について述べる。
  論文  参考訳（メタデータ） (2020-06-16T21:34:44Z)
• Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
  ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。 ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。 本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
  論文  参考訳（メタデータ） (2020-05-27T11:56:56Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。