Fugu-MT 論文翻訳(概要): Causal Learning for Socially Responsible AI

論文の概要: Causal Learning for Socially Responsible AI

arxiv url: http://arxiv.org/abs/2104.12278v1
Date: Sun, 25 Apr 2021 22:09:11 GMT
ステータス: 処理完了
システム内更新日: 2021-04-28 03:22:31.085117
Title: Causal Learning for Socially Responsible AI
Title（参考訳）: 社会的責任を持つAIのための因果学習
Authors: Lu Cheng, Ahmadreza Mosallanezhad, Paras Sheth, Huan Liu
Abstract要約: 社会的責任あるAI(SRAI)は、倫理的な課題と望ましくない結果に取り組むことを目指しています。これらのアプローチの1つは因果学習(CL)です。 AIの社会的責任を高めるための7つのCLツールを検討し、SRAIの開発における課題に取り組むためにこれらのツールを使用して既存の作業がどのように成功したかを検討します。この調査の目標は、SRAIのCLの可能性と約束を最前線にもたらすことである。
参考スコア（独自算出の注目度）: 16.385749405521565
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There have been increasing concerns about Artificial Intelligence (AI) due to its unfathomable potential power. To make AI address ethical challenges and shun undesirable outcomes, researchers proposed to develop socially responsible AI (SRAI). One of these approaches is causal learning (CL). We survey state-of-the-art methods of CL for SRAI. We begin by examining the seven CL tools to enhance the social responsibility of AI, then review how existing works have succeeded using these tools to tackle issues in developing SRAI such as fairness. The goal of this survey is to bring forefront the potentials and promises of CL for SRAI.
Abstract（参考訳）: 人工知能(AI)に対する懸念が高まっている。 AIが倫理的課題に対処し、望ましくない結果に対処するために、研究者は社会的責任を持つAI(SRAI)の開発を提案した。これらのアプローチの1つは因果学習(CL)である。 SRAIにおけるCLの最先端手法について検討する。まず、AIの社会的責任を高めるために7つのCLツールを調べ、その上で、既存の作業がどのようにしてこれらのツールを使用して公正性などのSRAI開発に対処したかをレビューする。この調査の目的は、SRAIのCLの可能性と約束を前倒しにすることである。

関連論文リスト

Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文参考訳（メタデータ） (2024-10-10T17:38:38Z)
Explainable AI is Responsible AI: How Explainability Creates Trustworthy and Socially Responsible Artificial Intelligence [9.844540637074836]
これは責任あるAIのトピックであり、信頼できるAIシステムを開発する必要性を強調している。 XAIは、責任あるAI(RAI)のためのビルディングブロックとして広く考えられている。以上の結果から,XAIはRAIのすべての柱にとって不可欠な基盤である,という結論に至った。
論文参考訳（メタデータ） (2023-12-04T00:54:04Z)
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)
Inherent Limitations of AI Fairness [16.588468396705366]
AIフェアネスの研究は、コンピュータ科学、社会科学、法学、哲学と結びついた豊富な研究分野へと急速に発展してきた。 AIフェアネスの測定と達成のための多くの技術的ソリューションが提案されているが、そのアプローチは近年、誤解を招く、非現実的で有害であるとして批判されている。
論文参考訳（メタデータ） (2022-12-13T11:23:24Z)
Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文参考訳（メタデータ） (2022-11-12T21:54:05Z)
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)
An Ethical Framework for Guiding the Development of Affectively-Aware Artificial Intelligence [0.0]
本稿では、感情認識型AIの倫理的結果(道徳的・倫理的結果)を評価するためのガイドラインを提案する。我々は,AI開発者による倫理的責任を分離し,そのようなAIをデプロイするエンティティをビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビビ最終的には研究者、開発者、オペレーター、規制当局、法執行機関への勧告で終わります。
論文参考訳（メタデータ） (2021-07-29T03:57:53Z)
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)
Socially Responsible AI Algorithms: Issues, Purposes, and Challenges [31.382000425295885]
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。
論文参考訳（メタデータ） (2021-01-01T17:34:42Z)

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。