論文の概要: Towards User-Centered Metrics for Trustworthy AI in Immersive Cyberspace
- arxiv url: http://arxiv.org/abs/2203.03718v1
- Date: Tue, 22 Feb 2022 15:12:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-13 13:49:40.115489
- Title: Towards User-Centered Metrics for Trustworthy AI in Immersive Cyberspace
- Title（参考訳）: 没入型サイバースペースにおける信頼に値するAIのためのユーザ中心メトリック
- Authors: Pengyuan Zhou, Benjamin Finley, Lik-Hang Lee, Yong Liao, Haiyong Xie,
Pan Hui
- Abstract要約: AIは、現在のサイバースペースと将来の没入型エコシステムにおいて重要な役割を果たす。
現在のサイバースペースでは、信頼できるAI(TAI)メトリクスを探索する関連研究があるが、メタバースのようなユーザー中心サービスへのエコシステムは、システムパフォーマンスとユーザエクスペリエンス評価の点ではるかに複雑である。
- 参考スコア（独自算出の注目度）: 14.562245763536836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI plays a key role in current cyberspace and future immersive ecosystems
that pinpoint user experiences. Thus, the trustworthiness of such AI systems is
vital as failures in these systems can cause serious user harm. Although there
are related works on exploring trustworthy AI (TAI) metrics in the current
cyberspace, ecosystems towards user-centered services, such as the metaverse,
are much more complicated in terms of system performance and user experience
assessment, thus posing challenges for the applicability of existing
approaches. Thus, we give an overlook on fairness, privacy and robustness,
across the historical path from existing approaches. Eventually, we propose a
research agenda towards systematic yet user-centered TAI in immersive
ecosystems.
- Abstract（参考訳）: AIは、現在のサイバースペースと将来の没入型エコシステムにおいて重要な役割を果たす。
したがって、このようなaiシステムの信頼性は、システム内の障害がユーザーの深刻な被害を引き起こす可能性があるため、不可欠である。
現在のサイバースペースでは、信頼できるAI(TAI)メトリクスを探索する関連研究があるが、メタバースのようなユーザー中心のサービスへのエコシステムは、システムパフォーマンスとユーザエクスペリエンスの評価の点ではるかに複雑であり、既存のアプローチの適用性に挑戦する。
したがって、既存のアプローチからの歴史的なパスを越えて、公正さ、プライバシ、堅牢性を見落とします。
最終的には,没入型生態系におけるシステム的かつユーザ中心型TAIの研究課題を提案する。
関連論文リスト
- Towards Guaranteed Safe AI: A Framework for Ensuring Robust and Reliable AI Systems [88.80306881112313]
我々は、AI安全性に対する一連のアプローチを紹介し、定義する。
これらのアプローチの中核的な特徴は、高保証の定量的安全性保証を備えたAIシステムを作ることである。
これら3つのコアコンポーネントをそれぞれ作成するためのアプローチを概説し、主な技術的課題を説明し、それらに対する潜在的なソリューションをいくつか提案します。
論文 参考訳（メタデータ） (2024-05-10T17:38:32Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - Security Considerations in AI-Robotics: A Survey of Current Methods,
Challenges, and Opportunities [4.466887678364242]
本稿では,AI-ロボティクスシステムにおけるセキュリティ問題への対処の必要性から,3次元にわたる包括的調査と分類について述べる。
まず、潜在的な攻撃面を調査し、防御戦略を緩和することから始める。
次に、依存関係や心理的影響などの倫理的問題や、これらのシステムに対する説明責任に関する法的懸念を掘り下げる。
論文 参考訳（メタデータ） (2023-10-12T17:54:20Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Benchmarking Robustness of AI-Enabled Multi-sensor Fusion Systems:
Challenges and Opportunities [23.460181958075566]
マルチセンサー・フュージョン(MSF)ベースの認識システムは、自動運転車、ロボットアーム、無人航空機など、多くの産業用アプリケーションやドメインをサポートする基盤となっている。
過去数年間、データ駆動人工知能(AI)の急速な進歩は、特にインテリジェントシステムやその知覚システムにおいて、パフォーマンスをさらに向上させるために、深層学習技術によってMSFシステムを強化する、急速なトレンドをもたらした。
AI対応のMSF認識システムや技術はいくつか提案されているが、現時点では、MSF認識にフォーカスする限られたベンチマークが公開されている。
論文 参考訳（メタデータ） (2023-06-06T07:17:56Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - Systems Challenges for Trustworthy Embodied Systems [0.0]
エンボディシステムと呼ばれる、ますます自律的かつ自律的な新世代のシステムの開発が進んでいる。
実施されたシステムの振る舞いを有益な方法で調整し、人間中心の社会的価値との整合性を確保し、安全で信頼性の高い人間と機械の相互作用を設計することが不可欠である。
我々は、急進的なシステム工学が組み込みシステムからエンボディドシステムへの気候に到達し、状況を認識し、意図的に駆動され、爆発的に進化し、ほとんど予測不可能で、ますます自律的なエンボディドシステムのダイナミックフェデレーションの信頼性を保証していると論じている。
論文 参考訳（メタデータ） (2022-01-10T15:52:17Z) - Trustworthy AI: From Principles to Practices [44.67324097900778]
多くの現在のAIシステムは、認識不能な攻撃に脆弱で、表現不足なグループに偏り、ユーザのプライバシ保護が欠如していることが判明した。
このレビューでは、信頼できるAIシステムを構築するための包括的なガイドとして、AI実践者に提供したいと思っています。
信頼に値するAIに対する現在の断片化されたアプローチを統合するために、AIシステムのライフサイクル全体を考慮した体系的なアプローチを提案する。
論文 参考訳（メタデータ） (2021-10-04T03:20:39Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z) - Trustworthy AI in the Age of Pervasive Computing and Big Data [22.92621391190282]
我々は倫理的観点から信頼に値するAIシステムの要件を定式化する。
研究状況と残りの課題について議論した後、スマートシティにおける具体的なユースケースがこれらの方法のメリットを如何に示すかを示す。
論文 参考訳（メタデータ） (2020-01-30T08:09:31Z)
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。