論文の概要: Overcoming Digital Gravity when using AI in Public Health Decisions
- arxiv url: http://arxiv.org/abs/2111.07779v1
- Date: Fri, 5 Nov 2021 01:33:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-21 14:52:06.989710
- Title: Overcoming Digital Gravity when using AI in Public Health Decisions
- Title（参考訳）: AIを用いた公衆衛生決定におけるデジタル重力の克服
- Authors: Sekou L Remy, Aisha Walcott-Bryant, Nelson K Bore, Charles M Wachira,
Julian Kuenhert
- Abstract要約: データグラビティ(Data Gravity)とは、一般的な用途において、アプリケーションやサービス、その他のデータを引き付けるためのデータの単位である。
この作業では、データだけでなく、AI/MLワークフローの他の要素を含む、より広範な概念である“デジタル重力(Digital Gravity)”を紹介します。
- 参考スコア（独自算出の注目度）: 6.1583136131295495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In popular usage, Data Gravity refers to the ability of a body of data to
attract applications, services and other data. In this work we introduce a
broader concept, "Digital Gravity" which includes not just data, but other
elements of the AI/ML workflow. This concept is born out of our recent
experiences in developing and deploying an AI-based decision support platform
intended for use in a public health context. In addition to data, examples of
additional considerations are compute (infrastructure and software), DevSecOps
(personnel and practices), algorithms/programs, control planes, middleware
(considered separately from programs), and even companies/service providers. We
discuss the impact of Digital Gravity on the pathway to adoption and suggest
preliminary approaches to conceptualize and mitigate the friction caused by it.
- Abstract（参考訳）: 一般的な用途では、データ重力(data gravity)とは、データ本体がアプリケーション、サービス、その他のデータを引き付ける能力を指す。
本稿では、データだけでなく、ai/mlワークフローの他の要素を含む、より広い概念である「デジタル重力」を紹介します。
このコンセプトは、公衆衛生環境での使用を目的とした、AIベースの意思決定支援プラットフォームの開発とデプロイに関する最近の経験から生まれたものです。
データに加えて、コンピューティング(インフラストラクチャとソフトウェア)、DevSecOps(人事とプラクティス)、アルゴリズム/プログラム、コントロールプレーン、ミドルウェア(プログラムとは別々に考える)、さらには企業/サービスプロバイダなども考慮されている。
ディジタル重力が導入経路に与える影響を議論し,それに起因する摩擦を概念化し緩和するための予備的アプローチを提案する。
関連論文リスト
- Privacy-Preserving Edge Federated Learning for Intelligent Mobile-Health Systems [4.082799056366928]
我々は、IoTインフラストラクチャ上でのリソース制約のあるモバイルヘルスおよびウェアラブル技術のための、プライバシ保護エッジFLフレームワークを提案する。
提案したフレームワークを広く評価し、AmazonのAWSクラウドプラットフォーム上での当社のテクニックの実装を提供します。
論文 参考訳（メタデータ） (2024-05-09T08:15:31Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳（メタデータ） (2023-08-25T14:56:21Z) - Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。
アーキテクチャの変更はコア機能を阻害することなく行われます。
我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
論文 参考訳（メタデータ） (2023-05-16T21:37:35Z) - Data-centric AI: Perspectives and Challenges [51.70828802140165]
データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。
データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
論文 参考訳（メタデータ） (2023-01-12T05:28:59Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。
本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。
また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文 参考訳（メタデータ） (2021-09-24T19:17:09Z) - Data science and Machine learning in the Clouds: A Perspective for the
Future [0.0]
データ駆動科学(いわゆる第4の科学パラダイム)が研究とイノベーションの原動力となる。
この新たなパラダイムの下で処理される膨大なデータを、将来的には大きな懸念事項になるでしょう。
これらの計算のあらゆる面において、クラウドベースのサービスを強く要求する。
論文 参考訳（メタデータ） (2021-09-02T17:36:24Z) - The MIT Supercloud Dataset [3.375826083518709]
我々は、大規模なHPCとデータセンター/クラウドオペレーションの分析において、革新的なAI/MLアプローチを促進することを目的とした、MIT Supercloudデータセットを紹介します。
我々は、ジョブ毎のCPUおよびGPU使用率、メモリ使用率、ファイルシステムログ、物理モニタリングデータを含む、MIT Supercloudシステムから詳細な監視ログを提供する。
本稿では,データセットの詳細,収集手法,データ可用性について論じ,このデータを用いて開発されている潜在的な課題について論じる。
論文 参考訳（メタデータ） (2021-08-04T13:06:17Z) - Graph Self-Supervised Learning: A Survey [73.86209411547183]
SSL(Self-supervised Learning)は、グラフデータの有望でトレンドの学習パラダイムとなっています。
グラフデータにSSL技術を用いた既存のアプローチをタイムリーかつ包括的にレビューします。
論文 参考訳（メタデータ） (2021-02-27T03:04:21Z) - From Data to Knowledge to Action: A Global Enabler for the 21st Century [26.32590947516587]
コンピュータと数理科学の進歩が相まって、真の証拠に基づく意思決定を可能にする前例のない能力がもたらされた。
これらの機能は、データの大規模なキャプチャと、そのデータの洞察とレコメンデーションへの変換を可能にする。
商業、科学、教育、芸術、エンターテイメントのWebへの移行により、人間の活動に関する構造化された、非構造化されたデータベースが、これまで例のない量で利用可能になった。
論文 参考訳（メタデータ） (2020-07-31T19:19:42Z) - SAIA: Split Artificial Intelligence Architecture for Mobile Healthcare
System [12.0428917316482]
モバイル医療システムのための分散人工知能アーキテクチャであるSAIAを提案する。
我々はメタ情報に基づく意思決定ユニットを提案し、クライアントがキャプチャしたサンプルが組み込みAIやネットワークAIによって操作されるべきかどうかを調整できる。
以上の結果から,SAIAは,有効性と効率の両面で,ベースラインを一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2020-04-25T05:06:51Z)
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。