論文の概要: Machine Learning for Mediation in Armed Conflicts
- arxiv url: http://arxiv.org/abs/2108.11942v1
- Date: Thu, 26 Aug 2021 17:53:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-27 14:11:05.358020
- Title: Machine Learning for Mediation in Armed Conflicts
- Title（参考訳）: 武器紛争におけるメディエーションのための機械学習
- Authors: M. Arana-Catania, F.A. Van Lier, Rob Procter
- Abstract要約: このケーススタディは、現在進行中のメディエーションプロセスのデータに最先端の機械学習技術を適用した最初の事例である。
イエメンの平和交渉の対話文を用いて,機械学習ツールが国際仲介者を効果的に支援できることを示す。
- 参考スコア（独自算出の注目度）: 0.8665758002017514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Today's conflicts are becoming increasingly complex, fluid and fragmented,
often involving a host of national and international actors with multiple and
often divergent interests. This development poses significant challenges for
conflict mediation, as mediators struggle to make sense of conflict dynamics,
such as the range of conflict parties and the evolution of their political
positions, the distinction between relevant and less relevant actors in peace
making, or the identification of key conflict issues and their interdependence.
International peace efforts appear increasingly ill-equipped to successfully
address these challenges. While technology is being increasingly used in a
range of conflict related fields, such as conflict predicting or information
gathering, less attention has been given to how technology can contribute to
conflict mediation. This case study is the first to apply state-of-the-art
machine learning technologies to data from an ongoing mediation process. Using
dialogue transcripts from peace negotiations in Yemen, this study shows how
machine-learning tools can effectively support international mediators by
managing knowledge and offering additional conflict analysis tools to assess
complex information. Apart from illustrating the potential of machine learning
tools in conflict mediation, the paper also emphasises the importance of
interdisciplinary and participatory research design for the development of
context-sensitive and targeted tools and to ensure meaningful and responsible
implementation.
- Abstract（参考訳）: 今日の紛争はますます複雑で流動的で断片化されつつあり、しばしば複数の異なる関心を持つ国や国際的な俳優のホストを巻き込んでいる。
この発展は紛争調停にとって大きな課題となり、仲介者は紛争当事者の範囲や政治的地位の進化、平和形成における関連性や関係の低いアクターの区別、重要な紛争問題の特定と相互依存など、紛争のダイナミクスを理解するのに苦労している。
国際的な平和努力は、これらの課題にうまく対処するには不適当に思える。
コンフリクト予測や情報収集など、さまざまなコンフリクト関連分野においてテクノロジーの利用が増えているが、コンフリクトメディエーションにテクノロジーが貢献する方法についてはあまり注目されていない。
このケーススタディは、現在進行中のメディエーションプロセスのデータに最先端の機械学習技術を適用した最初の事例である。
イエメンの平和交渉の対話文を用いて、知識を管理し、複雑な情報を評価するための競合分析ツールを追加することで、機械学習ツールが国際仲介者を効果的に支援できることを示す。
コンフリクトメディエーションにおける機械学習ツールの可能性を示すだけでなく、文脈に敏感でターゲットを絞ったツールを開発し、有意義で責任ある実装を保証するために、学際的かつ参加的な研究設計の重要性も強調する。
関連論文リスト
- Knowledge Conflicts for LLMs: A Survey [24.731074825915833]
調査では、コンテキストメモリ、コンテキスト間、メモリ内コンフリクトの3つのカテゴリに焦点が当てられている。
これらの対立は、大規模言語モデルの信頼性と性能に大きな影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2024-03-13T08:02:23Z) - Discerning and Resolving Knowledge Conflicts through Adaptive Decoding with Contextual Information-Entropy Constraint [20.543282448771336]
本稿では,知識が相反するかどうかを識別し,解決するための適応的復号法を提案する。
実験により、COIECDは現実的なデータセットにおける知識の衝突に対して強い性能と堅牢性を示すことが示された。
論文 参考訳（メタデータ） (2024-02-19T07:10:30Z) - SoK: Taming the Triangle -- On the Interplays between Fairness,
Interpretability and Privacy in Machine Learning [0.0]
機械学習技術は、高い意思決定にますます使われています。
学習したモデルが人間によって監査され、理解されることを保証することが不可欠である。
解釈可能性、公正性、プライバシは、責任ある機械学習を開発する上で重要な要件です。
論文 参考訳（メタデータ） (2023-12-22T08:11:33Z) - Resolving Knowledge Conflicts in Large Language Models [46.903549751371415]
大規模言語モデル(LLM)はしばしば知識の衝突に遭遇する。
知識衝突が発生した場合のLLMのデシラタとは何か,既存のLLMがそれを満たすのかを問う。
文脈知識の矛盾をシミュレートする評価フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-02T06:57:45Z) - Rehearsal: Simulating Conflict to Teach Conflict Resolution [54.32934135393982]
リハーサル(Rehearsal)は、ユーザーがシミュレート可能なインターロケータで競合をリハーサルできるシステムである。
ユーザはRehearsalを使って、事前に定義されたさまざまなコンフリクトシナリオの処理を実践できる。
リハーサルはIRPを使って紛争解決理論に基づく発話を生成する。
論文 参考訳（メタデータ） (2023-09-21T17:59:20Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-25T14:20:52Z) - Expanding the Role of Affective Phenomena in Multimodal Interaction
Research [57.069159905961214]
マルチモーダルインタラクション, 感情計算, 自然言語処理において, 選ばれたカンファレンスから16,000以上の論文を調査した。
本論文では,感情関連論文910を同定し,情緒現象の役割について分析した。
我々は、人間の社会的行動や認知状態の機械的理解を高めるために、AIシステムによって感情と感情の予測がどのように使用されるかについて、限られた研究結果を得た。
論文 参考訳（メタデータ） (2023-05-18T09:08:39Z) - Understanding Interpersonal Conflict Types and their Impact on
Perception Classification [7.907976678407914]
我々は、新しいアノテーションスキームを使用し、コンフリクトアスペクトアノテーションとコンフリクトアスペクトアノテーションの新しいデータセットをリリースする。
次に、ある状況において、ある個人の行動が正しいものであると認識するかどうかを予測する分類器を構築します。
我々の発見は、紛争や社会規範を理解する上で重要な意味を持つ。
論文 参考訳（メタデータ） (2022-08-18T10:39:35Z) - Supporting peace negotiations in the Yemen war through machine learning [11.502540435570522]
このケーススタディは、紛争仲介プロセスにおける最先端の機械学習技術と技術の利用に関する新たな研究に寄与する。
機械学習は、知識管理、抽出、コンフリクト分析のためのツールを提供することで、チームの仲介を効果的にサポートする方法を示している。
論文 参考訳（メタデータ） (2022-07-23T14:24:38Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。