論文の概要: Definitions of intent suitable for algorithms

• arxiv url: http://arxiv.org/abs/2106.04235v1
• Date: Tue, 8 Jun 2021 10:30:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-06-10 04:01:11.031076
• Title: Definitions of intent suitable for algorithms
• Title（参考訳）: アルゴリズムに適した意図の定義
• Authors: Hal Ashton
• Abstract要約: この記事では,直接的,斜め(あるいは間接的)かつ内的意図の定義を紹介する。 アルゴリズムがどの種類の意図的モードをトランスグレッシブするかを理解することは、多くの関係者にとって有用である。
• 参考スコア（独自算出の注目度）: 6.85316573653194
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Intent modifies an actor's culpability of many types wrongdoing. Autonomous Algorithmic Agents have the capability of causing harm, and whilst their current lack of legal personhood precludes them from committing crimes, it is useful for a number of parties to understand under what type of intentional mode an algorithm might transgress. From the perspective of the creator or owner they would like ensure that their algorithms never intend to cause harm by doing things that would otherwise be labelled criminal if committed by a legal person. Prosecutors might have an interest in understanding whether the actions of an algorithm were internally intended according to a transparent definition of the concept. The presence or absence of intention in the algorithmic agent might inform the court as to the complicity of its owner. This article introduces definitions for direct, oblique (or indirect) and ulterior intent which can be used to test for intent in an algorithmic actor.
• Abstract（参考訳）: Intentは、多くのタイプの不正行為のアクターの計算可能性を変更する。 自律的アルゴリズムエージェントは害を引き起こす能力を有しており、現在の法的な人格の欠如は犯罪を犯すことを妨げるが、アルゴリズムがトランスグレッシブする可能性のある意図的なモードの種類を理解することは、多くの当事者にとって有用である。 創造者や所有者の観点からは、彼らのアルゴリズムが、法的な人物が犯した場合に犯罪と分類されるようなことをすることで、決して害を及ぼさないようにしたいのです。 検察側は、アルゴリズムの動作が概念の透明な定義に従って内部的に意図されているかどうかを理解することに興味を持つかもしれない。 アルゴリズムエージェントにおける意図の有無は,所有者の共謀について裁判所に通知することができる。 この記事では、アルゴリズムアクタのインテントをテストするために使用できるdirect、oblique(またはindirect)、ultrior intentの定義を紹介します。

関連論文リスト

• Persuasion, Delegation, and Private Information in Algorithm-Assisted Decisions [0.0]
  プリンシパルは、バイナリ状態の公開観測可能な予測を生成するアルゴリズムを設計する。 彼女は、予測に基づいて直接行動するか、または、私的な情報を持つエージェントに決定を委譲するかを判断しなければならない。 このような環境における予測アルゴリズムとデリゲートルールの最適設計について検討する。
  論文  参考訳（メタデータ） (2024-02-14T18:32:30Z)
• User Strategization and Trustworthy Algorithms [81.82279667028423]
  ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。 そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
  論文  参考訳（メタデータ） (2023-12-29T16:09:42Z)
• Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
  本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。 既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
  論文  参考訳（メタデータ） (2023-09-26T07:16:39Z)
• Algorithms, Incentives, and Democracy [0.0]
  アルゴリズム設計者による最適分類が集団の行動分布にどのように影響するかを示す。 次に、報酬と罰、または利害関係をアルゴリズム分類に民主化する効果を見て、社会が捕食的分類をいかに生み出すか(または促進するか)を検討する。
  論文  参考訳（メタデータ） (2023-07-05T14:22:01Z)
• Discrimination in machine learning algorithms [0.0]
  機械学習アルゴリズムは、例えば信用スコアリングアルゴリズムがローンを拒否するため、個人に直接影響を及ぼす可能性のあるビジネス上の決定に日常的に使用される。 そして、倫理的(かつ法的)の観点から、これらのアルゴリズムが(性や人種のような)センシティブな属性に基づいて識別しないことを保証する。
  論文  参考訳（メタデータ） (2022-06-30T21:35:42Z)
• Initiative Defense against Facial Manipulation [82.96864888025797]
  本稿では,悪意あるユーザによって制御される顔操作モデルの性能を低下させるための,イニシアティブ・ディフェンスの新しい枠組みを提案する。 まず、サロゲートモデルを用いてターゲット操作モデルを模倣し、次に毒の摂動発生器を考案し、所望の毒を得る。
  論文  参考訳（メタデータ） (2021-12-19T09:42:28Z)
• Identification of Attack-Specific Signatures in Adversarial Examples [62.17639067715379]
  異なる攻撃アルゴリズムは, その効果だけでなく, 被害者の質的な影響も示している。 以上の結果から, 予測的対人攻撃は, 模擬モデルにおける成功率だけでなく, 被害者に対するより深い下流効果によって比較されるべきであることが示唆された。
  論文  参考訳（メタデータ） (2021-10-13T15:40:48Z)
• Extending counterfactual accounts of intent to include oblique intent [6.85316573653194]
  Intentionを定義するアプローチのひとつは、Causalityを定義するために開発された反ファクトツールを使用することだ。 本論文は, 航空機所有者の正統的な例を用いて, 自機に爆弾を仕掛けて保険を回収し, 航空機の乗客と乗員の殺害が直接意図されていると結論づけない2つの事実を述べる。
  論文  参考訳（メタデータ） (2021-06-07T15:00:20Z)
• Adding Knowledge to Unsupervised Algorithms for the Recognition of Intent [3.0079490585515343]
  我々は,シーン内のエージェントの動作が意図的か意図的かを,その3Dキネマティクスに基づいて推定できるアルゴリズムを導出する。 この基本的な知識を追加することで、単純な教師なしのアルゴリズムがもたらされることを示す。 これらのデータセットの実験により、我々のアルゴリズムは、トレーニングデータなしでも、アクションが意図的かどうかを認識できることが示されている。
  論文  参考訳（メタデータ） (2020-11-12T05:57:09Z)
• A black-box adversarial attack for poisoning clustering [78.19784577498031]
  本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。 我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-09T18:19:31Z)
• Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
  悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。 悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。 また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
  論文  参考訳（メタデータ） (2020-02-10T15:04:09Z)

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。