論文の概要: Accountability in AI: From Principles to Industry-specific Accreditation

• arxiv url: http://arxiv.org/abs/2110.09232v1
• Date: Fri, 8 Oct 2021 16:37:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-24 14:16:08.432365
• Title: Accountability in AI: From Principles to Industry-specific Accreditation
• Title（参考訳）: AIのアカウンタビリティ: 原則から業界固有の認定へ
• Authors: Chris Percy, Simo Dragicevic, Sanjoy Sarkar, Artur S. d'Avila Garcez
• Abstract要約: 最近のAI関連のスキャンダルは、AIのアカウンタビリティに注目を向けている。 本稿では2つの貢献をするために公共政策とガバナンスから文献を引用する。
• 参考スコア（独自算出の注目度）: 4.033641609534416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent AI-related scandals have shed a spotlight on accountability in AI, with increasing public interest and concern. This paper draws on literature from public policy and governance to make two contributions. First, we propose an AI accountability ecosystem as a useful lens on the system, with different stakeholders requiring and contributing to specific accountability mechanisms. We argue that the present ecosystem is unbalanced, with a need for improved transparency via AI explainability and adequate documentation and process formalisation to support internal audit, leading up eventually to external accreditation processes. Second, we use a case study in the gambling sector to illustrate in a subset of the overall ecosystem the need for industry-specific accountability principles and processes. We define and evaluate critically the implementation of key accountability principles in the gambling industry, namely addressing algorithmic bias and model explainability, before concluding and discussing directions for future work based on our findings. Keywords: Accountability, Explainable AI, Algorithmic Bias, Regulation.
• Abstract（参考訳）: 最近のAI関連のスキャンダルは、AIのアカウンタビリティに注目が集まっている。 本稿では2つの貢献をするために公共政策とガバナンスから文献を引用する。 まず、システム上で有用なレンズとしてAIアカウンタビリティエコシステムを提案し、異なる利害関係者が特定のカウンタビリティメカニズムを必要とし、貢献する。 私たちは、現在のエコシステムは不均衡であり、AIの説明可能性による透明性の向上と、内部監査をサポートするための適切なドキュメントとプロセスのフォーマル化が必要であり、最終的には外部認定プロセスにつながります。 第2に、ギャンブル分野におけるケーススタディを使用して、業界固有の説明責任原則とプロセスの必要性をエコシステム全体のサブセットで説明します。 本研究は,ギャンブル業界における重要な説明責任原則,すなわちアルゴリズムバイアスとモデル説明可能性の実施を批判的に定義し,評価し,今後の作業の方向性を考察する。 キーワード:説明責任、説明可能なAI、アルゴリズムバイアス、規則。

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)
• AI Governance and Accountability: An Analysis of Anthropic's Claude [0.0]
  本稿では,基本的AIモデルであるArthropicのClaudeに着目し,AIガバナンスの展望について考察する。 我々は、NIST AI Risk Management FrameworkとEU AI Actのレンズを通してCludeを分析し、潜在的な脅威を特定し、緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-02T23:37:06Z)
• AI auditing: The Broken Bus on the Road to AI Accountability [1.9758196889515185]
  「AI監査」エコシステムは泥だらけで不正確で、様々な概念を掘り下げて、実践に関わるステークホルダーをマップアウトするのは困難です。 まず、規制当局、法律事務所、市民社会、ジャーナリズム、アカデミック、コンサルティング機関による現在のAI監査の実践を分類する。 私たちは、AI監査研究のごく一部だけが、望ましい説明責任の結果に変換されていることに気付きました。
  論文  参考訳（メタデータ） (2024-01-25T19:00:29Z)
• 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)
• Responsible AI Governance: A Systematic Literature Review [8.318630741859113]
  本稿では,AIガバナンスに関する既存の文献を検討することを目的とする。 WHOはAIシステムのガバナンスに責任を持ち、WHAT要素は管理されており、WHENガバナンスはAI開発ライフサイクル内で発生し、HOWはフレームワーク、ツール、標準、ポリシー、モデルといった様々なメカニズムによって実行される。 本研究の成果は,RAI原則に沿った包括的ガバナンスモデルの研究・開発の基礎となるものである。
  論文  参考訳（メタデータ） (2023-12-18T05:22:36Z)
• Explainability in AI Policies: A Critical Review of Communications, Reports, Regulations, and Standards in the EU, US, and UK [1.5039745292757671]
  我々は、EU、米国、英国における説明可能性に関する政策と標準に関する最初のテーマとギャップの分析を行う。 政策は、しばしば説明のための粗い概念と要求によって知らされる。 本稿では,AIシステムの規則における説明可能性への対処法を提案する。
  論文  参考訳（メタデータ） (2023-04-20T07:53:07Z)
• 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)
• Fairness in Agreement With European Values: An Interdisciplinary Perspective on AI Regulation [61.77881142275982]
  この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。 私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。 我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
  論文  参考訳（メタデータ） (2022-06-08T12:32:08Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Towards Accountability in the Use of Artificial Intelligence for Public Administrations [0.0]
  我々は、タスクが計算駆動システムに委譲されるとき、分散責任、受入、無知による受入という現象は不完全なデリゲーションの例であると主張する。 公的な透明性を通じた直接的説明責任と、公的な組織における監査人への透明性による間接的説明責任の両方が、民主的な自治の原則によるデオントロジーの問題として、倫理的にも倫理的にも必要である。
  論文  参考訳（メタデータ） (2021-05-04T11:50:04Z)
• 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。

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。