論文の概要: On Heuristic Models, Assumptions, and Parameters
- arxiv url: http://arxiv.org/abs/2201.07413v3
- Date: Wed, 28 May 2025 13:31:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 17:35:49.925907
- Title: On Heuristic Models, Assumptions, and Parameters
- Title（参考訳）: ヒューリスティックモデル, 推定, パラメータについて
- Authors: Samuel Judson, Joan Feigenbaum,
- Abstract要約: 我々は、不明瞭で不透明な技術的注意事項、選択、および資格者の過小評価されたファミリーが存在すると論じている。
このようなオブジェクトの3つの特定のクラス、モデル、仮定、パラメータを記述します。
- 参考スコア（独自算出の注目度）: 0.6445605125467574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Insightful interdisciplinary collaboration is essential to the principled governance of technology. When such efforts address the interaction between computation and society, they often focus on modeling, the process by which computer scientists formally define problems in order to enable algorithmic solutions. But modeling is a multifaceted and inherently imperfect process. Especially in interdisciplinary work, it often receives uneven scrutiny because of the practical challenges of communicating complex technical details to non-experts. We argue that there is an underappreciated if loose family of obscure and opaque technical caveats, choices, and qualifiers that the social effects of computing can depend just as much on as far more heavily scrutinized modeling choices. These artifacts are often used by researchers to paper over the incomplete theoretical foundations of computing or to burden shift responsibility for the impact of normative design decisions. Further, their nuanced technical nature often complicates thorough sociotechnical scrutiny of the discretionary decisions made to manage them. We describe three specific classes of such objects: heuristic models, assumptions, and parameters. We raise six reasons these objects may be hazardous to comprehensive analysis of computing and argue they deserve deliberate consideration as researchers explain scientific work.
- Abstract（参考訳）: 洞察に富んだ学際的なコラボレーションは、技術の原則的なガバナンスに不可欠です。
このような取り組みが計算と社会の相互作用に対処する場合、しばしばモデリングに焦点を当てる。
しかし、モデリングは多面的かつ本質的に不完全なプロセスである。
特に学際的な研究では、複雑な技術的詳細を非専門家に伝えるという実践的な課題のために、不均一な精査を受けることが多い。
我々は、不明瞭で不透明な技術的注意、選択、および資格の緩やかなファミリーが、コンピューティングの社会的影響は、より精査されたモデリング選択と同じくらいに大きく依存できる、と論じている。
これらのアーティファクトは、しばしば研究者によって、計算の不完全な理論的基礎を論じたり、規範的設計決定の影響に対するシフト責任を負うために使われる。
さらに、彼らのニュアンスな技術的性質は、それらを管理するための決定的な決定について、徹底した社会技術的精査を複雑にすることが多い。
このような対象の3つの特定のクラス:ヒューリスティックモデル、仮定、パラメータを記述する。
我々は、これらの物体がコンピュータの包括的分析に有害である6つの理由を提起し、研究者が科学的研究を説明するのに考慮すべきであると主張している。
関連論文リスト
- Tinkering Against Scaling [15.060264126253212]
既存の作業にインスパイアされた"チンケリング"アプローチを提案する。
この手法は、普通の研究者にとって管理可能なより小さなモデルやコンポーネントに関わります。
我々は、ティンカーは計算社会科学の創造と知識の方法であり、批判的な研究のための知識の方法であると主張している。
論文 参考訳（メタデータ） (2025-04-23T09:21:39Z) - A Survey on State-of-the-art Deep Learning Applications and Challenges [0.0]
ディープラーニングモデルの構築は、アルゴリズムの複雑さと現実世界の問題の動的な性質のため、難しい。
本研究の目的は,コンピュータビジョン,自然言語処理,時系列解析,広範コンピューティングにおける最先端のディープラーニングモデルを網羅的にレビューすることである。
論文 参考訳（メタデータ） (2024-03-26T10:10:53Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - Designing Explainable Predictive Machine Learning Artifacts: Methodology
and Practical Demonstration [0.0]
さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。
我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。
本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
論文 参考訳（メタデータ） (2023-06-20T15:11:26Z) - Alternative models: Critical examination of disability definitions in
the development of artificial intelligence technologies [6.9884176767901005]
本稿では、障害レンズを用いてAIデータ分析技術を批判的に検証するためのフレームワークを提案する。
障害の概念モデルとして,医療モデル,社会モデル,関係モデルについて考察する。
これらのモデルで設計されたAI技術は、互いに互換性がなく矛盾するほど大きく異なることを示す。
論文 参考訳（メタデータ） (2022-06-16T16:41:23Z) - Ising machines as hardware solvers of combinatorial optimization
problems [1.8732539895890135]
イジングマシンは、アイジングモデルの絶対的あるいは近似的な基底状態を見つけることを目的としたハードウェアソルバである。
既存の標準デジタルコンピュータより優れたスケーラブルなIsingマシンは、実用アプリケーションに大きな影響を与える可能性がある。
論文 参考訳（メタデータ） (2022-04-01T08:24:06Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳（メタデータ） (2021-12-06T18:45:31Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Individual Explanations in Machine Learning Models: A Case Study on
Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。
本研究の主な目的は2つある。
まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。
次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文 参考訳（メタデータ） (2021-04-09T01:54:58Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳（メタデータ） (2021-04-09T01:46:34Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z) - Qualities, challenges and future of genetic algorithms: a literature
review [0.0]
遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。
ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。
GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
論文 参考訳（メタデータ） (2020-11-05T17:53:33Z)
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。