論文の概要: Designing for Responsible Trust in AI Systems: A Communication Perspective

• arxiv url: http://arxiv.org/abs/2204.13828v1
• Date: Fri, 29 Apr 2022 00:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-02 14:29:10.745511
• Title: Designing for Responsible Trust in AI Systems: A Communication Perspective
• Title（参考訳）: AIシステムにおける責任ある信頼のための設計:コミュニケーションの視点から
• Authors: Q. Vera Liao and S. Shyam Sundar
• Abstract要約: 我々は、MATCHと呼ばれる概念モデルを開発するために、技術に対する信頼に関するコミュニケーション理論と文献から引き出す。 私たちは、AIシステムの能力として透明性とインタラクションを強調します。 我々は、技術クリエーターが使用する適切な方法を特定するのに役立つ要件のチェックリストを提案する。
• 参考スコア（独自算出の注目度）: 56.80107647520364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current literature and public discourse on "trust in AI" are often focused on the principles underlying trustworthy AI, with insufficient attention paid to how people develop trust. Given that AI systems differ in their level of trustworthiness, two open questions come to the fore: how should AI trustworthiness be responsibly communicated to ensure appropriate and equitable trust judgments by different users, and how can we protect users from deceptive attempts to earn their trust? We draw from communication theories and literature on trust in technologies to develop a conceptual model called MATCH, which describes how trustworthiness is communicated in AI systems through trustworthiness cues and how those cues are processed by people to make trust judgments. Besides AI-generated content, we highlight transparency and interaction as AI systems' affordances that present a wide range of trustworthiness cues to users. By bringing to light the variety of users' cognitive processes to make trust judgments and their potential limitations, we urge technology creators to make conscious decisions in choosing reliable trustworthiness cues for target users and, as an industry, to regulate this space and prevent malicious use. Towards these goals, we define the concepts of warranted trustworthiness cues and expensive trustworthiness cues, and propose a checklist of requirements to help technology creators identify appropriate cues to use. We present a hypothetical use case to illustrate how practitioners can use MATCH to design AI systems responsibly, and discuss future directions for research and industry efforts aimed at promoting responsible trust in AI.
• Abstract（参考訳）: 現在の文献と「AIにおける信頼」に関する大衆の談話は、しばしば信頼に値するAIの基礎となる原則に焦点が当てられている。 aiシステムは信頼性のレベルが異なるため、次の2つの疑問が浮かび上がっている: 異なるユーザによる適切かつ公平な信頼判断を確実にするために、ai信頼性はどのように責任を持って伝達されるべきなのか、そして、ユーザを騙して信頼を得るためにどのように守ることができるのか? コミュニケーション理論や技術信頼に関する文献から、matchと呼ばれる概念モデルを構築し、信頼性の手がかりを通じてaiシステムにおいて信頼性がいかに伝達されるか、そしてこれらの手がかりがどのように人々が信頼の判断を行うためにどのように処理されるかを記述する。 AI生成コンテンツ以外にも、私たちは透明性とインタラクションを、AIシステムの余裕として強調しています。 多様なユーザの認知過程を照らし、信頼判断とその潜在的な限界を明らかにすることにより、技術制作者に対して、ターゲットユーザに対して信頼できる信頼性を選択するための意識的な判断と、業界として、この空間を規制し、悪質な使用を防止するように求めます。 これらの目標に向けて、保証された信頼性基準と高価な信頼性基準の概念を定義し、技術クリエイターが使用する適切な基準を特定するための要件チェックリストを提案する。 我々は、実践者がMATCHを使ってAIシステムを責任を持って設計する方法を説明するための仮説的なユースケースを提示し、AIに対する責任ある信頼を促進することを目的とした研究と産業の取り組みの今後の方向性について議論する。

関連論文リスト

• Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
  信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。 私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
  論文  参考訳（メタデータ） (2024-10-25T07:53:32Z)
• Trust in AI: Progress, Challenges, and Future Directions [6.724854390957174]
  私たちの日常生活における人工知能(AI)システムの利用の増加は、ユーザの視点からAIにおける信頼と不信の重要性を説明してくれます。 AIにおける信頼/不信は規制官の役割を担い、この拡散のレベルを著しく制御することができる。
  論文  参考訳（メタデータ） (2024-03-12T20:26:49Z)
• A Diachronic Perspective on User Trust in AI under Uncertainty [52.44939679369428]
  現代のNLPシステムは、しばしば未分類であり、ユーザの信頼を損なう確実な誤った予測をもたらす。 賭けゲームを用いて,信頼を損なう事象に対するユーザの信頼の進化について検討する。
  論文  参考訳（メタデータ） (2023-10-20T14:41:46Z)
• Who to Trust, How and Why: Untangling AI Ethics Principles, Trustworthiness and Trust [0.0]
  これらの概念をより明確に区別する必要性について論じる。 AIへの信頼は、システム自体への依存だけでなく、AIシステムの開発者への信頼も関係している、と私たちは議論する。
  論文  参考訳（メタデータ） (2023-09-19T05:00:34Z)
• Human-centered trust framework: An HCI perspective [1.6344851071810074]
  この研究の理論的根拠は、現在の人工知能(AI)のユーザ信頼談話に基づいている。 我々は、AI設計におけるユーザ信頼の可能性を最大限に解き放つために、非専門家を導くためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-05T06:15:32Z)
• A Systematic Literature Review of User Trust in AI-Enabled Systems: An HCI Perspective [0.0]
  人工知能(AI)のユーザ信頼は、採用を促進する重要な要素として、ますます認識され、証明されてきている。 本総説は, ユーザ信頼の定義, 影響要因, 測定方法の概要を, 実証研究23件から明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2023-04-18T07:58:09Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• 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)
• Formalizing Trust in Artificial Intelligence: Prerequisites, Causes and Goals of Human Trust in AI [55.4046755826066]
  我々は、社会学の対人信頼(すなわち、人間の信頼)に着想を得た信頼のモデルについて議論する。 ユーザとAIの間の信頼は、暗黙的あるいは明示的な契約が保持する信頼である。 我々は、信頼できるAIの設計方法、信頼が浮かび上がったかどうか、保証されているかどうかを評価する方法について論じる。
  論文  参考訳（メタデータ） (2020-10-15T03:07:23Z)

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。