Fugu-MT 論文翻訳(概要): Identifying Roles, Requirements and Responsibilities in Trustworthy AI Systems

論文の概要: Identifying Roles, Requirements and Responsibilities in Trustworthy AI Systems

arxiv url: http://arxiv.org/abs/2106.08258v1
Date: Tue, 15 Jun 2021 16:05:10 GMT
ステータス: 処理完了
システム内更新日: 2023-03-26 15:22:16.219327
Title: Identifying Roles, Requirements and Responsibilities in Trustworthy AI Systems
Title（参考訳）: 信頼できるAIシステムにおける役割・要件・責任の特定
Authors: Iain Barclay, Will Abramson
Abstract要約: 我々は、ドメインの実践者の視点からAIシステムを検討し、システムデプロイメントに関与する重要な役割を特定します。各役割の異なる要件と責任を考慮し、対処すべき透明性とプライバシの緊張関係を特定します。
参考スコア（独自算出の注目度）: 2.28438857884398
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Artificial Intelligence (AI) systems are being deployed around the globe in critical fields such as healthcare and education. In some cases, expert practitioners in these domains are being tasked with introducing or using such systems, but have little or no insight into what data these complex systems are based on, or how they are put together. In this paper, we consider an AI system from the domain practitioner's perspective and identify key roles that are involved in system deployment. We consider the differing requirements and responsibilities of each role, and identify a tension between transparency and privacy that needs to be addressed so that domain practitioners are able to intelligently assess whether a particular AI system is appropriate for use in their domain.
Abstract（参考訳）: 人工知能(AI)システムは、医療や教育といった重要な分野で世界中で展開されている。場合によっては、これらのドメインの専門家は、これらのシステムの導入や使用を任されているが、これらの複雑なシステムがどのようなデータに基づいているのか、どのように組み立てられているのか、ほとんど見当もつかない。本稿では、ドメイン実践者の視点からAIシステムを検討し、システム展開に関わる重要な役割を特定する。ドメインの実践者が、特定のAIシステムが自身のドメインでの使用に適しているかどうかをインテリジェントに評価できるように、私たちは、各役割の異なる要件と責任を検討し、対処する必要がある透明性とプライバシの緊張を識別します。

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)
Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文参考訳（メタデータ） (2024-02-21T08:29:42Z)
Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文参考訳（メタデータ） (2024-01-13T14:07:09Z)
Security Challenges in Autonomous Systems Design [1.864621482724548]
人間のコントロールから独立すると、このようなシステムのサイバーセキュリティはさらに重要になる。人間のコントロールから独立すると、このようなシステムのサイバーセキュリティはさらに重要になる。本稿では,技術の現状を徹底的に議論し,新たなセキュリティ課題を特定し,研究の方向性を提案する。
論文参考訳（メタデータ） (2023-11-05T09:17:39Z)
Stronger Together: on the Articulation of Ethical Charters, Legal Tools, and Technical Documentation in ML [5.433040083728602]
AIシステムの背後にいる人々の説明責任の必要性は、倫理、法、コンピュータサイエンスの3つの分野のプロセスを活用することで解決することができる。まず、倫理、法律、技術分野におけるコンプライアンスの概念を対比する。次に、フィールド間のシナジーを明確にする上での値の役割に焦点をあてる。
論文参考訳（メタデータ） (2023-05-09T15:35:31Z)
Knowledge-intensive Language Understanding for Explainable AI [9.541228711585886]
AIが主導する意思決定の仕方と、どの決定要因が含まれているかを理解することが不可欠である。意思決定に直接関係する人間中心の説明を持つことは重要である。人間が理解し、使用する明示的なドメイン知識を巻き込む必要がある。
論文参考訳（メタデータ） (2021-08-02T21:12:30Z)
Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。信頼された実行環境を用いたAIシステムの機会と課題を強調します。我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文参考訳（メタデータ） (2020-08-10T23:05:55Z)
Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文参考訳（メタデータ） (2020-07-13T20:30:26Z)
Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims [59.64274607533249]
AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
論文参考訳（メタデータ） (2020-04-15T17:15:35Z)
Trustworthy AI in the Age of Pervasive Computing and Big Data [22.92621391190282]
我々は倫理的観点から信頼に値するAIシステムの要件を定式化する。研究状況と残りの課題について議論した後、スマートシティにおける具体的なユースケースがこれらの方法のメリットを如何に示すかを示す。
論文参考訳（メタデータ） (2020-01-30T08:09:31Z)
AAAI FSS-19: Human-Centered AI: Trustworthiness of AI Models and Data Proceedings [8.445274192818825]
予測モデルは不確実性を認識し、信頼できる予測をもたらすことが不可欠である。このシンポジウムの焦点は、データ品質と技術的堅牢性と安全性を改善するAIシステムであった。広く定義された領域からの提出はまた、説明可能なモデル、人間の信頼、AIの倫理的側面といった要求に対処するアプローチについても論じた。
論文参考訳（メタデータ） (2020-01-15T15:30:29Z)

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。