論文の概要: Teaching Fairness, Accountability, Confidentiality, and Transparency in Artificial Intelligence through the Lens of Reproducibility

• arxiv url: http://arxiv.org/abs/2111.00826v1
• Date: Mon, 1 Nov 2021 10:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 23:37:47.283348
• Title: Teaching Fairness, Accountability, Confidentiality, and Transparency in Artificial Intelligence through the Lens of Reproducibility
• Title（参考訳）: 再現性レンズによる人工知能の公正性・説明責任・信頼度・透明性の教育
• Authors: Ana Lucic, Maurits Bleeker, Sami Jullien, Samarth Bhargav, Maarten de Rijke
• Abstract要約: 本稿では,アムステルダム大学における,公正性,説明責任性,信頼度,人工知能の透明性(FACT-AI)に関する技術的,大学院レベルのコースのセットアップについて説明する。 コースの焦点は、トップAIカンファレンスの既存のFACT-AIアルゴリズムに基づいたグループプロジェクトであり、彼らの経験に関するレポートを書くことである。
• 参考スコア（独自算出の注目度）: 38.87910190291545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we explain the setup for a technical, graduate-level course on Fairness, Accountability, Confidentiality and Transparency in Artificial Intelligence (FACT-AI) at the University of Amsterdam, which teaches FACT-AI concepts through the lens of reproducibility. The focal point of the course is a group project based on reproducing existing FACT-AI algorithms from top AI conferences, and writing a report about their experiences. In the first iteration of the course, we created an open source repository with the code implementations from the group projects. In the second iteration, we encouraged students to submit their group projects to the Machine Learning Reproducibility Challenge, which resulted in 9 reports from our course being accepted to the challenge. We reflect on our experience teaching the course over two academic years, where one year coincided with a global pandemic, and propose guidelines for teaching FACT-AI through reproducibility in graduate-level AI programs. We hope this can be a useful resource for instructors to set up similar courses at their universities in the future.
• Abstract（参考訳）: 本研究は,アムステルダム大学の公正性,説明可能性,信頼性,透明性に関する技術的・大学院レベルのコース(FACT-AI)について,再現性のレンズを通してFACT-AIの概念を教える。 コースの焦点は、トップAIカンファレンスから既存のFACT-AIアルゴリズムを再現し、彼らの経験に関するレポートを書くことに基づくグループプロジェクトである。 コースの最初のイテレーションで、私たちはグループプロジェクトのコード実装を備えたオープンソースリポジトリを作成しました。 第2イテレーションでは、学生に対して、機械学習再現性チャレンジにグループプロジェクトを提出するように勧めました。 我々は、1年が世界的なパンデミックと一致した2年間の授業を指導した経験を振り返り、大学院レベルのaiプログラムで再現性を通じてファクトaiを教えるためのガイドラインを提案する。 将来、教員が大学に同様のコースを開設する上で有用なリソースになることを願っている。

関連論文リスト

• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• Visions of a Discipline: Analyzing Introductory AI Courses on YouTube [11.209406323898019]
  われわれはYouTubeで最も視聴された20のAIコースを分析した。 導入型AIコースは、AIの倫理的または社会的課題に有意義に関わっていない。 我々は、よりバランスのとれた視点を示すために、AIの倫理的課題を強調しておくことを推奨する。
  論文  参考訳（メタデータ） (2024-05-31T01:48:42Z)
• Artificial Intelligence in Everyday Life 2.0: Educating University Students from Different Majors [8.282180585560928]
  それらの能力、限界、関連する利点と欠点に関する誤解が広まっています。 本経験報告では,異なる専攻の学生に提供した入門講座の概要について述べる。 授業の課題とクイズについて議論し,AIプロセスの初歩的な経験を学生に提供する。
  論文  参考訳（メタデータ） (2024-04-12T08:10:42Z)
• Understanding Teacher Perspectives and Experiences after Deployment of AI Literacy Curriculum in Middle-school Classrooms [12.35885897302579]
  我々は,MIT RAICAカリキュラムのモジュール実装にともなう7人の教師の経験を考察した。 我々の分析は、AIモジュールが、この分野における教師の知識を拡大したことを示唆している。 私たちの教師は、技術資源をナビゲートする際に、より良い外部支援の必要性を主張しました。
  論文  参考訳（メタデータ） (2023-12-08T05:36:16Z)
• ActiveAI: Introducing AI Literacy for Middle School Learners with Goal-based Scenario Learning [0.0]
  ActiveAIプロジェクトは、小学校7～9年生のAI教育における重要な課題に対処する。 このアプリには、スライダー、ステッパー、コレクタなど、さまざまな学習者インプットが組み込まれており、理解を深めている。 このプロジェクトは、現在実装段階にあり、アプリ開発にインテリジェントなチューター設計原則を活用している。
  論文  参考訳（メタデータ） (2023-08-21T11:43:43Z)
• Stimulating student engagement with an AI board game tournament [0.0]
  本稿では,2年生にボードゲームに適用した検索手法の紹介を行うプロジェクトベース・コンペティションベースの学士課程について紹介する。 2人のグループがネットワークプログラミングとAIメソッドを使用して、今年のボードゲームトーナメントに出場するためにAIエージェントを構築する必要があります。
  論文  参考訳（メタデータ） (2023-04-22T11:22:00Z)
• An Experience Report of Executive-Level Artificial Intelligence Education in the United Arab Emirates [53.04281982845422]
  アラブ首長国連邦(UAE)のビジネスエグゼクティブにAIコースを教える経験報告を提示する。 理論的、技術的な側面にのみ焦点をあてるのではなく、学生が既存のビジネスプロセスにAIを組み込む方法を理解するためにAIを教えるコースを開発しました。
  論文  参考訳（メタデータ） (2022-02-02T20:59:53Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。