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
- 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) - Learning Classifier Systems for Self-Explaining Socio-Technical-Systems [0.0]
社会技術的設定では、オペレーターは意思決定支援システムによってますます助けられている。
オペレーターに受け入れられ、効率的に関与するには、特定の意思決定の背後にある理由について、意思決定支援システムが説明できる必要がある。
本稿では,アプリケーション固有の説明可能性の必要性を評価するための7つの質問のテンプレートを提案する。
論文 参考訳(メタデータ) (2022-07-01T08:13:34Z) - 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) - 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) - Impact of Legal Requirements on Explainability in Machine Learning [63.24965775030674]
本研究では,私的および公的な意思決定に課される説明義務と,機械学習技術による実施方法について分析する。
特に、欧州の法律が課す説明可能性の要件と機械学習(ML)モデルへの影響について分析した。
論文 参考訳(メタデータ) (2020-07-10T16:57:18Z) - 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) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳(メタデータ) (2020-04-08T02:11:55Z)
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。