論文の概要: Science Facing Interoperability as a Necessary Condition of Success and Evil

• arxiv url: http://arxiv.org/abs/2202.02540v1
• Date: Sat, 5 Feb 2022 12:44:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 10:48:51.060517
• Title: Science Facing Interoperability as a Necessary Condition of Success and Evil
• Title（参考訳）: 成功と悪の必要条件としての相互運用に直面する科学
• Authors: Remy Demichelis
• Abstract要約: 一方、AIの深い倫理的問題は、システム相互運用性によって可能になったこれらの新しい接続に本質的に関係していることが示されています。 新しい相互作用は、球体から別の球体への社会的財の支配を創り出すため、私たちの人生の球体を繋ぐ際に、これらのシステムは、それぞれに特別な正義の概念を損なう。 一方,先験的不一致のように見えるものを繋ぐ行為は,知識と科学的進歩の必要な動きである,と強調したい。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) systems, such as machine learning algorithms, have allowed scientists, marketers and governments to shed light on correlations that remained invisible until now. Beforehand, the dots that we had to connect in order to imagine a new knowledge were either too numerous, too sparse or not even detected. Sometimes, the information was not stored in the same data lake or format and was not able to communicate. But in creating new bridges with AI, many problems appeared such as bias reproduction, unfair inferences or mass surveillance. Our aim is to show that, on one hand, the AI's deep ethical problem lays essentially in these new connections made possible by systems interoperability. In connecting the spheres of our life, these systems undermine the notion of justice particular to each of them, because the new interactions create dominances of social goods from a sphere to another. These systems make therefore spheres permeable to one another and, in doing so, they open to progress as well as to tyranny. On another hand, however, we would like to emphasize that the act to connect what used to seem a priori disjoint is a necessary move of knowledge and scientific progress.
• Abstract（参考訳）: 機械学習アルゴリズムのような人工知能(AI)システムによって、科学者やマーケッター、政府は、これまで見えなかった相関関係に光を当てることができた。 それまでは、新しい知識が多すぎるか、ばらばらすぎるか、検出されないかを想像するために接続しなければならなかった点でした。 時には、情報は同じデータレイクやフォーマットに格納されず、通信することができなかった。 しかし、AIを使った新しいブリッジを作成する際には、バイアスの再現、不公平な推論、大量監視といった多くの問題が現れた。 私たちの目標は、AIの深い倫理的問題は、システム相互運用性によって可能になったこれらの新しい接続に本質的に関係していることを示すことです。 新しい相互作用は、球体から別の球体への社会的財の支配を創り出すため、私たちの人生の球体を繋ぐ際に、これらのシステムは、それぞれに特別な正義の概念を損なう。 したがって、これらのシステムは球体を相互に透過可能とし、そうすることで、彼らは専制だけでなく進歩にも開放する。 しかし、他方では、前もって優先順位の不一致だったものをつなぐ行為は、知識と科学的進歩の必要な動きであると強調したい。

関連論文リスト

• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• A social path to human-like artificial intelligence [6.189233558074243]
  人工知能(AI)の進歩のボトルネックは、データ同化から新しいデータ生成へと移行しつつあると論じる。 自然知能は、集団生活、社会的関係、そして進化の大きな遷移を通じて相互作用するエージェントのネットワークにおいて、複数の規模で出現することを示す。
  論文  参考訳（メタデータ） (2024-05-22T15:38:10Z)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• What should I say? -- Interacting with AI and Natural Language Interfaces [0.0]
  HAI(Human-AI Interaction)サブフィールドは、HCI(Human-Computer Interaction)フィールドから生まれ、この概念を検証することを目的としている。 以前の研究では、マインド表現の理論は成功と努力の無いコミュニケーションに不可欠であると示唆されていたが、AIと対話する際にマインド表現の理論が確立されるという点に関しては、ほとんど理解されていない。
  論文  参考訳（メタデータ） (2024-01-12T05:10:23Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
  科学のためのAI(AI4Science)として知られる新しい研究領域 領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。 主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
  論文  参考訳（メタデータ） (2023-07-17T12:14:14Z)
• AI for Science: An Emerging Agenda [30.260160661295682]
  本報告では,Dagtuhl Seminar 22382 "Machine Learning for Science: Bridging Data-Driven and Mechanistic Modelling"のプログラムと成果について報告する。 AIの変革的ポテンシャルは、分野にわたって広く適用可能であることに由来するもので、研究領域間での統合によってのみ達成される。 技術的な進歩に加えて、この分野における次の進歩の波は、機械学習研究者、ドメインエキスパート、市民科学者、エンジニアのコミュニティを構築することにある。
  論文  参考訳（メタデータ） (2023-03-07T20:21:43Z)
• Next Wave Artificial Intelligence: Robust, Explainable, Adaptable, Ethical, and Accountable [5.4138734778206]
  ディープニューラルネットワークはコンピュータビジョン、音声認識、言語処理、ゲームプレイング、ロボット工学において多くの成功と新機能をもたらしている。 関連する制限は、今日のAIシステムの中で最も成功した場合でも脆さに苦しむことです。 AIシステムは、トレーニングデータから性別、人種、その他の要因に基づくバイアスを吸収し、その後の意思決定におけるバイアスをさらに大きくすることができる。
  論文  参考訳（メタデータ） (2020-12-11T00:50:09Z)
• Off-the-shelf deep learning is not enough: parsimony, Bayes and causality [0.8602553195689513]
  材料科学における深層学習の実現に向けた機会と障害について論じる。 私たちは、ディープラーニングとAIは、因果関係が知られている分野に革命をもたらすのに十分な位置にあると論じています。
  論文  参考訳（メタデータ） (2020-05-04T15:16:30Z)
• Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense [142.53911271465344]
  我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。 我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
  論文  参考訳（メタデータ） (2020-04-20T04:07:28Z)

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。