Fugu-MT 論文翻訳(概要): Audit, Don't Explain -- Recommendations Based on a Socio-Technical Understanding of ML-Based Systems

論文の概要: Audit, Don't Explain -- Recommendations Based on a Socio-Technical Understanding of ML-Based Systems

arxiv url: http://arxiv.org/abs/2107.09917v1
Date: Wed, 21 Jul 2021 07:36:01 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 07:47:11.435112
Title: Audit, Don't Explain -- Recommendations Based on a Socio-Technical Understanding of ML-Based Systems
Title（参考訳）: Audit, Don't Explain -- MLベースのシステムの社会技術的理解に基づく勧告
Authors: Hendrik Heuer
Abstract要約: 私は、体系的な監査が説明可能なAIシステムよりも好ましい理由を説明します。私は、公共法によって統治される機関が、公共の利益のためにMLシステムが動作することを確実にする方法を具体的に推奨します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this position paper, I provide a socio-technical perspective on machine learning-based systems. I also explain why systematic audits may be preferable to explainable AI systems. I make concrete recommendations for how institutions governed by public law akin to the German T\"UV and Stiftung Warentest can ensure that ML systems operate in the interest of the public.
Abstract（参考訳）: 本稿では,機械学習に基づくシステムに関する社会技術的視点を提案する。また、体系的な監査が説明可能なAIシステムよりも望ましい理由についても説明します。私は、ドイツのT\"UV"やStiftung Warentestと同様の公共法によって統治される機関が、公共の利益のためにMLシステムが機能することを確実にするための具体的な勧告を行います。

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)
Cognitive Biases in Large Language Models for News Recommendation [68.90354828533535]
本稿では,認知バイアスが大規模言語モデル(LLM)に基づくニュースレコメンデータシステムに与える影響について検討する。データ拡張、エンジニアリングと学習アルゴリズムの側面を通じて、これらのバイアスを軽減する戦略について議論する。
論文参考訳（メタデータ） (2024-10-03T18:42:07Z)
A Blueprint for Auditing Generative AI [0.9999629695552196]
生成AIシステムは創発的な能力を示し、幅広い下流タスクに適応できる。既存の監査手順は、生成的AIシステムによって引き起こされるガバナンスの課題に対処できない。本稿では、生成AIシステムの設計と普及を行う技術提供者のガバナンス監査、事前学習後の生成AIシステムのモデル監査、生成AIシステムに基づくアプリケーションのアプリケーション監査という3層的なアプローチを提案する。
論文参考訳（メタデータ） (2024-07-07T11:56:54Z)
Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文参考訳（メタデータ） (2023-07-05T06:03:40Z)
A Survey on Fairness-aware Recommender Systems [59.23208133653637]
本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
論文参考訳（メタデータ） (2023-06-01T07:08:22Z)
Perspectives on Large Language Models for Relevance Judgment [56.935731584323996]
大型言語モデル(LLM)は、関連判断を支援することができると主張している。自動判定が検索システムの評価に確実に利用できるかどうかは不明である。
論文参考訳（メタデータ） (2023-04-13T13:08:38Z)
Think About the Stakeholders First! Towards an Algorithmic Transparency Playbook for Regulatory Compliance [14.043062659347427]
世界中の政府によって、公共および民間セクターに導入された人工知能(AI)システムを規制するための法律が提案され、可決されている。これらの規則の多くは、AIシステムの透明性と、関連する市民意識の問題に対処している。我々は,透明で規制に適合したシステムを設計する上で,技術者を支援する新たな利害関係者優先のアプローチを提案する。
論文参考訳（メタデータ） (2022-06-10T09:39:00Z)
Determining Sentencing Recommendations and Patentability Using a Machine Learning Trained Expert System [0.0]
本稿では機械学習エキスパートシステム(MLES)を用いた2つの研究について述べる。ある研究では、一貫した連邦刑事判決についてアメリカ合衆国連邦判事に助言するシステムに焦点を当てている。もう一つの研究は、米国特許商標庁が特許性評価プロセスの自動化を支援するシステムを開発することを目的としている。
論文参考訳（メタデータ） (2021-08-05T16:21:29Z)
Explainability Auditing for Intelligent Systems: A Rationale for Multi-Disciplinary Perspectives [0.0]
信頼できるAIのための国家的および国際的なガイドラインは、説明可能性が信頼できるシステムの中心的な側面であると考えている。本稿では,説明可能性監査のための複数の学際的根拠について概説する。
論文参考訳（メタデータ） (2021-08-05T09:12:00Z)
A systematic review and taxonomy of explanations in decision support and recommender systems [13.224071661974596]
我々は,勧告システムにおける説明に関する文献を体系的にレビューする。我々は、説明施設を設計する際に考慮すべき側面の包括的分類法を考案した。
論文参考訳（メタデータ） (2020-06-15T18:19:20Z)
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)

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。