論文の概要: Designing Language Technologies for Social Good: The Road not Taken

• arxiv url: http://arxiv.org/abs/2110.07444v1
• Date: Thu, 14 Oct 2021 15:12:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-15 19:12:54.853151
• Title: Designing Language Technologies for Social Good: The Road not Taken
• Title（参考訳）: ソーシャル・グッドのための言語技術設計 - 取られない道
• Authors: Namrata Mukhija, Monojit Choudhury, Kalika Bali
• Abstract要約: 社会善のための音声・言語技術(LT4SG)の開発は、NLP、音声、AIコミュニティにおける研究の顕著なテーマとなっている。 エンドユーザの好みに合わせて、LT4SGを優先順位付けするための一連の方法論をグラフ化する。
• 参考スコア（独自算出の注目度）: 5.9701650140699885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Development of speech and language technology for social good (LT4SG), especially those targeted at the welfare of marginalized communities and speakers of low-resource and under-served languages, has been a prominent theme of research within NLP, Speech, and the AI communities. Researchers have mostly relied on their individual expertise, experiences or ad hoc surveys for prioritization of language technologies that provide social good to the end-users. This has been criticized by several scholars who argue that work on LT4SG must include the target linguistic communities during the design and development process. However, none of the LT4SG work and their critiques suggest principled techniques for prioritization of the technologies and methods for inclusion of the end-user during the development cycle. Drawing inspiration from the fields of Economics, Ethics, Psychology, and Participatory Design, here we chart out a set of methodologies for prioritizing LT4SG that are aligned with the end-user preferences. We then analyze several LT4SG efforts in light of the proposed methodologies and bring out their hidden assumptions and potential pitfalls. While the current study is limited to language technologies, we believe that the principles and prioritization techniques highlighted here are applicable more broadly to AI for Social Good.
• Abstract（参考訳）: 社会的善のための音声・言語技術(LT4SG)の開発、特に疎外化コミュニティの福祉と低リソース・低サービス言語話者を対象としているものは、NLP、音声、AIコミュニティにおける研究の顕著なテーマとなっている。 研究者の多くは、エンドユーザに社会的利益をもたらす言語技術の優先順位付けのために、個々の専門知識、経験、あるいはアドホックな調査に頼ってきた。 このことは、LT4SGの開発には設計・開発プロセスにおいて対象とする言語コミュニティを含めなければならないと主張する学者によって批判されている。 しかしながら、LT4SGの作業や批判は、開発サイクル中にエンドユーザを組み込むための技術や手法の優先順位付けの原則的手法を示唆していない。 ここでは、経済学、倫理学、心理学、参加デザインの分野からインスピレーションを得た上で、エンドユーザの好みに合わせてLT4SGを優先順位付けするための一連の方法論を列挙する。 次に,提案手法に照らしていくつかのLT4SGの取り組みを分析し,その隠れた仮定と潜在的な落とし穴を明らかにした。 現在の研究は言語技術に限られていますが、ここで強調されている原則と優先順位付け技術は、AI for Social Goodにもっと広く適用できると考えています。

関連論文リスト

• A Capabilities Approach to Studying Bias and Harm in Language Technologies [4.135516576952934]
  我々は、能力アプローチのレンズを通して、言語技術への公平さ、偏見、包摂性を考察する。 能力のアプローチは、人々が達成できるものに集中し、社会的、政治的、経済的文脈を考慮に入れている。 本稿では,機能アプローチ,多言語・多文化的評価との関係,言語技術の有害性の定義と評価において,コミュニティメンバと有意義な協力を得られるか,について詳述する。
  論文  参考訳（メタデータ） (2024-11-06T22:46:13Z)
• The Call for Socially Aware Language Technologies [94.6762219597438]
  NLPが機能する社会環境の要因、文脈、意味の認識の欠如である。 我々は、NLPが社会意識を発達させる上で大きな課題が残っており、この分野の新しい時代の始まりであると主張している。
  論文  参考訳（メタデータ） (2024-05-03T18:12:39Z)
• Analyzing and Adapting Large Language Models for Few-Shot Multilingual NLU: Are We There Yet? [82.02076369811402]
  教師付きファインチューニング(SFT)、教師付きインストラクションチューニング(SIT)、インコンテキストラーニング(ICL)は、3つの代替であり、事実上の標準的アプローチである。 提案手法は,6つの高・低リソース言語,3つの異なるNLUタスク,多種多様な言語とドメインのセットアップを用いて,3つのアプローチを網羅的かつ体系的に比較する。 そこで本研究では,教師あり指導のチューニングが,性能とリソース要件の最良のトレードオフであることを示す。
  論文  参考訳（メタデータ） (2024-03-04T10:48:13Z)
• "It's how you do things that matters": Attending to Process to Better Serve Indigenous Communities with Language Technologies [2.821682550792172]
  本稿では,NLP技術の構築における倫理的考察について考察する。 本稿では,AbgenousおよびTorres Strait Islanderコミュニティの研究者17人とのインタビューについて報告する。 我々はNLP研究者に対して、先住民コミュニティとの関わりのプロセスに注意を向けるよう推奨する。
  論文  参考訳（メタデータ） (2024-02-04T23:23:51Z)
• Towards Bridging the Digital Language Divide [4.234367850767171]
  多言語言語処理システムは、しばしばハードワイヤで、通常不随意で、特定の言語に対して隠された表現的嗜好を示す。 偏りのある技術は、しばしば表現される言語の複雑さに不公平な研究・開発手法の結果であることを示す。 我々は,技術設計と方法論の両面から,言語バイアスを減らすことを目的とした新しいイニシアティブを提案する。
  論文  参考訳（メタデータ） (2023-07-25T10:53:20Z)
• Can GPT-4 Perform Neural Architecture Search? [56.98363718371614]
  ニューラルアーキテクチャサーチ(NAS)におけるGPT-4の可能性について検討する。 提案手法である textbfGPT-4 textbfEnhanced textbfNeural archtextbfItecttextbfUre textbfSearch (GENIUS) 我々は、いくつかのベンチマークでGENIUSを評価し、既存のNAS技術と比較し、その効果を実証した。
  論文  参考訳（メタデータ） (2023-04-21T14:06:44Z)
• Sparks of Artificial General Intelligence: Early experiments with GPT-4 [66.1188263570629]
  OpenAIが開発したGPT-4は、前例のない規模の計算とデータを使って訓練された。 我々は, GPT-4が数学, コーディング, ビジョン, 医学, 法学, 心理学などにまたがる, 新規で困難な課題を解くことを実証した。 我々は、GPT-4を人工知能(AGI)システムの早期(まだ未完成)版と見なすことができると信じている。
  論文  参考訳（メタデータ） (2023-03-22T16:51:28Z)
• A Survey of Knowledge Enhanced Pre-trained Language Models [78.56931125512295]
  我々は、知識強化事前学習言語モデル(KE-PLMs)の包括的なレビューを行う。 NLUでは、言語知識、テキスト知識、知識グラフ(KG)、ルール知識の4つのカテゴリに分類する。 NLGのKE-PLMは、KGベースと検索ベースに分類される。
  論文  参考訳（メタデータ） (2022-11-11T04:29:02Z)
• Evaluating the Diversity, Equity and Inclusion of NLP Technology: A Case Study for Indian Languages [35.86100962711644]
  NLP技術が広く適用され、公正で有用になるためには、世界中の言語で多様な話者を提供する必要がある。 本研究では,NLP技術を3次元にわたって評価する評価パラダイムを提案する。
  論文  参考訳（メタデータ） (2022-05-25T11:38:04Z)
• Systematic Inequalities in Language Technology Performance across the World's Languages [94.65681336393425]
  本稿では,言語技術のグローバルな有用性を評価するためのフレームワークを紹介する。 本分析では, ユーザ対応技術と言語的NLPタスクの両面において, より深く研究されている。
  論文  参考訳（メタデータ） (2021-10-13T14:03:07Z)

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。