論文の概要: A Bottom-Up End-User Intelligent Assistant Approach to Empower Gig Workers against AI Inequality

• arxiv url: http://arxiv.org/abs/2204.13842v1
• Date: Fri, 29 Apr 2022 01:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 03:57:40.075718
• Title: A Bottom-Up End-User Intelligent Assistant Approach to Empower Gig Workers against AI Inequality
• Title（参考訳）: aiの不平等に対してギグワーカーに権限を与えるボトムアップエンドユーザーインテリジェントアシスタント
• Authors: Toby Jia-Jun Li, Yuwen Lu, Jaylexia Clark, Meng Chen, Victor Cox, Meng Jiang, Yang Yang, Tamara Kay, Danielle Wood, Jay Brockman
• Abstract要約: 私たちは、個々の労働者がAI対応の作業計画サポートにアクセスし、労働者のグループ間でデータを共有できるようにするボトムアップアプローチが、現在の私有プラットフォームのパラダイムの下で、ギグワークのAI不平等を橋渡しする実践的な方法である、と論じています。 本論文は、学際的なChiWORKコミュニティにおいて、この重要な研究課題について対話を始めるための一連の研究課題、潜在的アプローチ、およびコミュニティエンゲージメントの機会について述べる。
• 参考スコア（独自算出の注目度）: 16.121867459980137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing inequality in gig work between workers and platforms has become a critical social issue as gig work plays an increasingly prominent role in the future of work. The AI inequality is caused by (1) the technology divide in who has access to AI technologies in gig work; and (2) the data divide in who owns the data in gig work leads to unfair working conditions, growing pay gap, neglect of workers' diverse preferences, and workers' lack of trust in the platforms. In this position paper, we argue that a bottom-up approach that empowers individual workers to access AI-enabled work planning support and share data among a group of workers through a network of end-user-programmable intelligent assistants is a practical way to bridge AI inequality in gig work under the current paradigm of privately owned platforms. This position paper articulates a set of research challenges, potential approaches, and community engagement opportunities, seeking to start a dialogue on this important research topic in the interdisciplinary CHIWORK community.
• Abstract（参考訳）: ギグワークが仕事の未来においてますます顕著な役割を担っているため、労働者とプラットフォーム間のギグワークの不平等が重要な社会問題となっている。 AIの不平等は、(1)ギグワークでAI技術にアクセス可能な技術分割、(2)ギグワークでデータを所有しているデータ分割は、不公平な労働条件、賃金格差の増加、労働者の多様な嗜好の無視、およびプラットフォームにおける労働者の信頼の欠如によって引き起こされる。 このポジションペーパーでは、個人労働者がAI対応の作業計画支援にアクセスし、エンドユーザープログラマブルなインテリジェントアシスタントネットワークを通じて労働者のグループ間でデータを共有できるようにするボトムアップアプローチが、現在の私有プラットフォームのパラダイムの下で、ギグワークのAI不平等を橋渡しする実践的な方法である、と論じている。 本稿では,研究課題,潜在的アプローチ,コミュニティ参加の機会を整理し,学際的コミュニティにおけるこの重要な研究テーマに関する対話の開始を目指す。

関連論文リスト

• Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
  米国の雇用の3分の1はAIに強く依存している。 この露出は、2019年から2023年までの雇用と賃金の伸びと正の相関関係にある。
  論文  参考訳（メタデータ） (2024-07-27T08:14:18Z)
• The Impact of AI on Perceived Job Decency and Meaningfulness: A Case Study [3.9134031118910264]
  本稿では,AIが職場における仕事の怠慢と有意義性に与える影響について考察する。 先進的なAIを導入しても、人間が支配的な役割を担い続けている職場を、回答者が視覚化していることが分かる。 回答者は、AIの導入が全体の仕事満足度を維持するか、あるいは向上する可能性があると信じている。
  論文  参考訳（メタデータ） (2024-06-20T12:52:57Z)
• The impact of generative artificial intelligence on socioeconomic inequalities and policy making [1.5156317247732694]
  生成的人工知能は、既存の社会経済的不平等を悪化させ、改善する可能性がある。 私たちのゴールは、AIが普及する社会問題の緩和にどのように役立つかを明らかにしながら、生成的AIが既存の不平等をいかに悪化させるかを強調することです。 情報領域では、生成AIはコンテンツの創造とアクセスを民主化することができるが、誤情報の生成と拡散を劇的に拡大する可能性がある。 教育ではパーソナライズされた学習を提供するが、デジタルディビジョンを広げる可能性がある。 医療分野では、診断とアクセシビリティを改善するが、既存の不平等をより深める可能性がある。
  論文  参考訳（メタデータ） (2023-12-16T10:37:22Z)
• Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling [59.08591308749448]
  業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。 驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
  論文  参考訳（メタデータ） (2023-04-17T15:30:05Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• 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)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)
• Open Problems in Cooperative AI [21.303564222227727]
  研究の目的は、協力の問題の多くの側面を研究し、これらの問題を解決するためにAIを革新することである。 本研究は,マルチエージェントシステム,ゲーム理論と社会的選択,ヒューマンマシンインタラクションとアライメント,自然言語処理,ソーシャルツールとプラットフォームの構築など,現在進行中の作業を統合する。
  論文  参考訳（メタデータ） (2020-12-15T21:39:50Z)
• Data, Power and Bias in Artificial Intelligence [5.124256074746721]
  人工知能は社会的偏見を悪化させ、平等な権利と市民の自由における数十年の進歩を取り戻せる可能性がある。 機械学習アルゴリズムの訓練に使用されるデータは、社会で学び、永続する可能性のある社会的不正、不平等、差別的な態度を捉えることができる。 本稿では、異なるドメインからのAIシステムにおけるデータの公正性、公平性、バイアス軽減を保証するための継続的な作業についてレビューする。
  論文  参考訳（メタデータ） (2020-07-28T16:17:40Z)

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。