論文の概要: Advancing Artificial Intelligence and Machine Learning in the U.S.
Government Through Improved Public Competitions
- arxiv url: http://arxiv.org/abs/2112.01275v1
- Date: Mon, 29 Nov 2021 16:35:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 09:05:11.084101
- Title: Advancing Artificial Intelligence and Machine Learning in the U.S.
Government Through Improved Public Competitions
- Title（参考訳）: 公共競争の改善による米国政府の人工知能と機械学習の進歩
- Authors: Ezekiel J. Maier
- Abstract要約: 過去2年間、米国政府は人工知能(AI)と機械学習(ML)の加速の重要性を強調してきた。
アメリカ政府は、新しいアルゴリズムの開発と経験訓練への参加を通じて、公的な人工知能と機械学習の課題から恩恵を受けることができる。
ここでは、共通問題を特定し、課題の有効性を高めるためのアプローチを推奨する。
- 参考スコア（独自算出の注目度）: 2.741266294612776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last two years, the U.S. government has emphasized the importance of
accelerating artificial intelligence (AI) and machine learning (ML) within the
government and across the nation. In particular, the National Artificial
Intelligence Initiative Act of 2020, which became law on January 1, 2021,
provides for a coordinated program across the entire federal government to
accelerate AI research and application. The U.S. government can benefit from
public artificial intelligence and machine learning challenges through the
development of novel algorithms and participation in experiential training.
Although the public, private, and non-profit sectors have a history of
leveraging crowdsourcing initiatives to generate novel solutions to difficult
problems and engage stakeholders, interest in public competitions has waned in
recent years as a result of at least three major factors: (1) a lack of
high-quality, high-impact data; (2) a narrow engagement focus on specialized
groups; and (3) insufficient operationalization of challenge results. Herein we
identify common issues and recommend approaches to increase the effectiveness
of challenges. To address these barriers, enabling the use of public
competitions for accelerating AI and ML practice, the U.S. government must
leverage methods that protect sensitive data while enabling modelling, enable
easier participation, empower deployment of validated models, and incentivize
engagement from broad sections of the population.
- Abstract（参考訳）: 過去2年間、米国政府は、政府内および全国で人工知能(AI)と機械学習(ML)を加速させることの重要性を強調してきた。
特に2021年1月1日に法制化された2020年国家人工知能イニシアチブ法(national artificial intelligence initiative act of 2020)は、連邦政府全体でai研究と応用を加速する協調プログラムを提供している。
アメリカ政府は、新しいアルゴリズムの開発と経験訓練への参加を通じて、公的な人工知能と機械学習の課題の恩恵を受けることができる。
公共、民間、非営利団体は、クラウドソーシングのイニシアチブを活用して、困難な問題への新たな解決策を創出し、利害関係者を巻き込む歴史があるが、少なくとも3つの主要な要因として、(1)高品質で高インパクトなデータの欠如、(2)専門グループへの限定的な取り組み、(3)課題結果の不十分な運用等により、近年は公共競争への関心が薄れつつある。
ここでは,共通する課題を特定し,課題の有効性を高めるためのアプローチを推奨する。
これらの障壁に対処するため、AIとMLの実践を加速するための公的な競争を可能にするために、米国政府は、機密データを保護し、モデリングを可能にし、参加を容易にし、検証されたモデルのデプロイを増強し、人口の広い部分からのエンゲージメントを高める方法を活用する必要がある。
関連論文リスト
- AI Procurement Checklists: Revisiting Implementation in the Age of AI Governance [18.290959557311552]
AIの公共セクターの利用はここ10年で増加傾向にあるが、最近になって文化の世俗主義に参入する試みが始まっている。
分かりやすいが、政府におけるAIシステムの倫理的かつ効果的な展開を促進することは、非常にありふれた仕事だ。
論文 参考訳（メタデータ） (2024-04-23T01:45:38Z) - Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
Particip-AIは、現在および将来のAIユースケースと、非専門家から損害と利益を収集するフレームワークである。
人口統計学的に多様な参加者295名から回答を得た。
論文 参考訳（メタデータ） (2024-03-21T19:12:37Z) - Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
政府や企業は、AIを管理する手段として計算を活用し始めている。
計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。
プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
論文 参考訳（メタデータ） (2024-02-13T21:10:21Z) - Ten Hard Problems in Artificial Intelligence We Must Get Right [72.99597122935903]
AIの約束を阻止し、AIのリスクを引き起こすAI2050の「ハード問題」について検討する。
それぞれの問題について、その領域を概説し、最近の重要な作業を特定し、今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-06T23:16:41Z) - Managing extreme AI risks amid rapid progress [171.05448842016125]
我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。
このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。
現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
論文 参考訳（メタデータ） (2023-10-26T17:59:06Z) - FATE in AI: Towards Algorithmic Inclusivity and Accessibility [0.0]
AIにおけるアルゴリズム上の格差、公平性、説明責任、透明性、倫理(FATE)が実装されている。
本研究では、AIによって守られている世界南部地域のFATE関連デシダータ、特に透明性と倫理について検討する。
インクリシティを促進するために、コミュニティ主導の戦略が提案され、責任あるAI設計のための代表データを収集し、キュレートする。
論文 参考訳（メタデータ） (2023-01-03T15:08:10Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。
市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。
本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文 参考訳（メタデータ） (2021-10-05T12:51:11Z) - Ethics and Governance of Artificial Intelligence: Evidence from a Survey
of Machine Learning Researchers [0.0]
機械学習(ML)と人工知能(AI)の研究者は、AIの倫理とガバナンスにおいて重要な役割を果たす。
トップクラスのAI/MLカンファレンスで公開した人々の調査を行った。
AI/MLの研究者たちは、国際組織や科学組織に対して高いレベルの信頼を置いている。
論文 参考訳（メタデータ） (2021-05-05T15:23:12Z) - Bias in Data-driven AI Systems -- An Introductory Survey [37.34717604783343]
この調査は、(大きな)データと強力な機械学習(ML)アルゴリズムによって、AIの大部分は、データ駆動型AIに重点を置いている。
さもなければ、一般的な用語バイアスを使ってデータの収集や処理に関連する問題を説明します。
論文 参考訳（メタデータ） (2020-01-14T09:39:09Z) - U.S. Public Opinion on the Governance of Artificial Intelligence [0.0]
既存の研究では、新興技術の規制を形成する上で、公共の機関に対する信頼が大きな役割を果たすことが示されている。
我々は、13のAIガバナンス課題に対するアメリカ人の認識と、AIを責任を持って開発・管理するための政府、企業、およびマルチステークホルダー機関への信頼について検討した。
論文 参考訳（メタデータ） (2019-12-30T07:38:38Z)
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。