論文の概要: AI & Racial Equity: Understanding Sentiment Analysis Artificial Intelligence, Data Security, and Systemic Theory in Criminal Justice Systems

• arxiv url: http://arxiv.org/abs/2201.00855v1
• Date: Mon, 3 Jan 2022 19:42:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-05 14:02:17.215830
• Title: AI & Racial Equity: Understanding Sentiment Analysis Artificial Intelligence, Data Security, and Systemic Theory in Criminal Justice Systems
• Title（参考訳）: aiと人種平等: 犯罪司法システムにおける感情分析、人工知能、データセキュリティ、システム理論の理解
• Authors: Alia Abbas
• Abstract要約: 人種的体系的不正を悪化または減少させる人工知能の様々な形態が研究されている。 これは、歴史的体系的パターン、暗黙の偏見、既存のアルゴリズム的リスク、そして自然言語処理に基づくAI(リスク評価ツールなど)が人種的に異なる結果をもたらすという法的意味を通じて主張されている。 人種的に不正な結果や慣行から逸脱するためには、内部の機関や企業がアルゴリズム、プライバシーおよびセキュリティリスクをどのように活用するかを規制し、規制するために、より訴訟的な政策が必要であると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Various forms of implications of artificial intelligence that either exacerbate or decrease racial systemic injustice have been explored in this applied research endeavor. Taking each thematic area of identifying, analyzing, and debating an systemic issue have been leveraged in investigating merits and drawbacks of using algorithms to automate human decision making in racially sensitive environments. It has been asserted through the analysis of historical systemic patterns, implicit biases, existing algorithmic risks, and legal implications that natural language processing based AI, such as risk assessment tools, have racially disparate outcomes. It is concluded that more litigative policies are needed to regulate and restrict how internal government institutions and corporations utilize algorithms, privacy and security risks, and auditing requirements in order to diverge from racially injustice outcomes and practices of the past.
• Abstract（参考訳）: 人種的体系的不正を悪化または減少させる人工知能の様々な形態が、この応用研究で研究されている。 システム問題を特定し、分析し、議論する各テーマ領域は、人種的に敏感な環境で人間の意思決定を自動化するためにアルゴリズムを使用することの利点と欠点を調査するために利用されてきた。 それは、歴史的体系的パターン、暗黙のバイアス、既存のアルゴリズム的リスク、およびリスク評価ツールのような自然言語処理ベースのaiが人種的に異なる結果をもたらす法的影響の分析を通して主張されている。 その結果, 社内機関や企業がアルゴリズム, プライバシー, セキュリティのリスク, 監査要件をどのように活用するかを規制し, 規制するために, より多くの訴訟政策が求められた。

関連論文リスト

• An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems [49.1574468325115]
  我々は、すでに人権がデータ利用の分野で決定を下していることを示している。 本研究は人権影響評価(HRIA)の方法論とモデルである。 提案手法は,具体的ケーススタディで検証し,その有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-07-30T16:27:52Z)
• Exploiting the Margin: How Capitalism Fuels AI at the Expense of Minoritized Groups [0.0]
  本稿では、資本主義、人種的不正、人工知能(AI)の関係について考察する。 それは、AIが時代遅れの搾取のための現代的な乗り物として機能する、と論じている。 本論文は、社会正義と株式を技術デザインと政策の核心に組み込むアプローチを推進している。
  論文  参考訳（メタデータ） (2024-03-10T22:40:07Z)
• An Empirical Analysis of Racial Categories in the Algorithmic Fairness Literature [2.2713084727838115]
  アルゴリズムフェアネスフレームワークにおいて、レースがどのように概念化され、形式化されるかを分析する。 人種の異なる概念は、時には1つの分析の範囲内でも、矛盾なく採用されていることが分かっています。 人種的カテゴリーの構築は、社会的、政治的に重要な結果をもたらす価値の高いプロセスである、と我々は主張する。
  論文  参考訳（メタデータ） (2023-09-12T21:23:29Z)
• Bias, diversity, and challenges to fairness in classification and automated text analysis. From libraries to AI and back [3.9198548406564604]
  分類と自動テキスト分析におけるAI利用における偏見と不公平性に関するリスクについて検討する。 我々は「多様性」の概念に関連して「不平等」の概念を詳しく見ていく。
  論文  参考訳（メタデータ） (2023-03-07T20:54:49Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• 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)
• Tackling Algorithmic Disability Discrimination in the Hiring Process: An Ethical, Legal and Technical Analysis [2.294014185517203]
  我々は、障害者差別に関連して、AIによる雇用によって引き起こされる懸念と機会について論じる。 私たちはいくつかの出発点を確立し、倫理主義者、議員、支持者、そしてAI実践者のためのロードマップを設計します。
  論文  参考訳（メタデータ） (2022-06-13T13:32:37Z)
• 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)
• Fairness Deconstructed: A Sociotechnical View of 'Fair' Algorithms in Criminal Justice [0.0]
  機械学習の研究者たちはフェアネスの手法を開発しており、その多くは保護された属性をまたいだ経験的メトリクスの等化に依存している。 公正なMLの多くは、基礎となる犯罪データに対する公平性の問題を考慮していない、と私は主張する。 電力不均衡を緩和するAIを構築する代わりに、構造的辺縁化の根本原因を理解するためにデータサイエンスを使用できるかどうかを尋ねる。
  論文  参考訳（メタデータ） (2021-06-25T06:52:49Z)
• 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)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)

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。