論文の概要: Automating Ambiguity: Challenges and Pitfalls of Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2206.04179v1
- Date: Wed, 8 Jun 2022 22:05:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:39:38.880622
- Title: Automating Ambiguity: Challenges and Pitfalls of Artificial Intelligence
- Title(参考訳): 曖昧さの自動化 - 人工知能の課題と落とし穴
- Authors: Abeba Birhane
- Abstract要約: この論文は、科学と倫理の課題、落とし穴、AIの問題を調査するために、明らかに異なる分野の探求を織り交ぜている。
これらのシステムの様々な課題、問題、落とし穴は、批判的データ/アルゴリズム研究、科学と技術研究(STS)、具体化され活発な認知科学、複雑性科学、アフロフェミニズム、そして広く解釈された公正、説明責任、透明性の分野(FAccT)など、様々な分野の研究のホットトピックである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning (ML) and artificial intelligence (AI) tools increasingly
permeate every possible social, political, and economic sphere; sorting,
taxonomizing and predicting complex human behaviour and social phenomena.
However, from fallacious and naive groundings regarding complex adaptive
systems to datasets underlying models, these systems are beset by problems,
challenges, and limitations. They remain opaque and unreliable, and fail to
consider societal and structural oppressive systems, disproportionately
negatively impacting those at the margins of society while benefiting the most
powerful.
The various challenges, problems and pitfalls of these systems are a hot
topic of research in various areas, such as critical data/algorithm studies,
science and technology studies (STS), embodied and enactive cognitive science,
complexity science, Afro-feminism, and the broadly construed emerging field of
Fairness, Accountability, and Transparency (FAccT). Yet, these fields of
enquiry often proceed in silos. This thesis weaves together seemingly disparate
fields of enquiry to examine core scientific and ethical challenges, pitfalls,
and problems of AI.
In this thesis I, a) review the historical and cultural ecology from which AI
research emerges, b) examine the shaky scientific grounds of machine prediction
of complex behaviour illustrating how predicting complex behaviour with
precision is impossible in principle, c) audit large scale datasets behind
current AI demonstrating how they embed societal historical and structural
injustices, d) study the seemingly neutral values of ML research and put
forward 67 prominent values underlying ML research, e) examine some of the
insidious and worrying applications of computer vision research, and f) put
forward a framework for approaching challenges, failures and problems
surrounding ML systems as well as alternative ways forward.
- Abstract(参考訳): 機械学習(ML)と人工知能(AI)ツールは、複雑な人間の行動や社会現象を分類、分類、予測するあらゆる社会的、政治的、経済的領域に浸透する。
しかしながら、複雑な適応システムに関する虚偽かつナイーブな根拠から、基礎となるモデルであるデータセットまで、これらのシステムは問題、挑戦、制限によって設定されます。
それらは相変わらず不透明で信頼できないままであり、社会的および構造的な抑圧的な制度を考慮せず、社会的利益を享受しながら、社会の限界において不釣り合いに否定的な影響を及ぼしている。
これらのシステムの様々な課題、問題、落とし穴は、批判的データ/アルゴリズム研究、科学および技術研究(sts)、具体化およびエンアクティブな認知科学、複雑性科学、アフロフェミニズム、そして広く構成されたフェアネス、説明責任、透明性(facct)といった様々な分野の研究のホットなトピックである。
しかし、これらの問合せの分野はしばしばサイロで進行する。
この論文は、科学と倫理の課題、落とし穴、そしてAIの問題を調査するために、明らかに異なる分野の探究をまとめている。
この論文 i では
a)AI研究が出現する歴史的・文化的生態学の見直し
b) 複雑行動の機械予測の不安定な科学的根拠の検討 原理上、複雑行動の正確さによる予測が不可能であることを示す。
c) 現在のaiの背後にある大規模データセットの監査 社会的な歴史的及び構造的不正を組み込む方法を示す。
d)ML研究の一見中立的な価値を研究し、ML研究の根底にある67の顕著な価値を提示する。
e)コンピュータビジョン研究の難解で心配な応用について検討すること,及び
f) MLシステムを取り巻く課題や失敗,問題にアプローチするためのフレームワークと,それに代わる方法を提案する。
関連論文リスト
- Artificial Intelligence for Complex Network: Potential, Methodology and
Application [23.710627896950438]
複雑なネットワーク科学は、実際のネットワークの基盤となる統計力学、構造、力学の理解を大幅に強化した。
人工知能(AI)技術の出現は、複雑なネットワーク科学研究の新しい時代を告げている。
この調査は、複雑なネットワーク研究の難題を克服する上で、AIの潜在的な利点を体系的に解決することを目的としている。
論文 参考訳(メタデータ) (2024-02-23T09:06:36Z) - Sophisticated Behavioral Simulation: A Possible Solution to Problems of
Organized Complexity [15.401047019091553]
本稿では,科学的パラダイムと問題の分析に基づくシミュレーション技術の有効性と嗜好について検討する。
本稿では,行動シミュレーション(BS)の概念と,さらに洗練された行動シミュレーション(SBS)を提案する。
社会科学の科学研究分野におけるより強力なBSとSBSの応用を楽しみにしています。
論文 参考訳(メタデータ) (2024-01-18T10:05:52Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳(メタデータ) (2023-07-09T21:16:56Z) - Social AI and the Challenges of the Human-AI Ecosystem [60.26761762025781]
社会AIにおける主要なオープンな質問について論じ、技術的および科学的課題を概説する。
我々は,複雑システム,ネットワーク科学,AIの交差点にソーシャルAIの基礎を構築することを提案する。
論文 参考訳(メタデータ) (2023-06-23T18:10:54Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - Fairness And Bias in Artificial Intelligence: A Brief Survey of Sources,
Impacts, And Mitigation Strategies [11.323961700172175]
この調査論文は、AIの公平性とバイアスに関する簡潔で包括的な概要を提供する。
我々は、データ、アルゴリズム、人間の決定バイアスなどのバイアス源をレビューする。
偏りのあるAIシステムの社会的影響を評価し,不平等の持続性と有害なステレオタイプの強化に着目した。
論文 参考訳(メタデータ) (2023-04-16T03:23:55Z) - A toolkit of dilemmas: Beyond debiasing and fairness formulas for
responsible AI/ML [0.0]
公正で倫理的なAIへのアプローチは、最近、批判データ研究の新興分野の精査の下に落ちている。
本稿では,責任あるアルゴリズム/データ駆動システムを取り巻くジレンマに対して,位置的推論と創造的関与を提唱する。
論文 参考訳(メタデータ) (2023-03-03T13:58:24Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳(メタデータ) (2022-07-23T01:06:34Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳(メタデータ) (2022-04-25T02:47:25Z) - On the Opportunities and Risks of Foundation Models [256.61956234436553]
これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。
本報告では,基礎モデルの可能性とリスクについて概説する。
これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
論文 参考訳(メタデータ) (2021-08-16T17:50:08Z) - Interdisciplinary Approaches to Understanding Artificial Intelligence's
Impact on Society [7.016365171255391]
aiは、予期せぬ社会技術的問題を引き起こしている。
コンピュータ科学と社会と社会の価値を研究する分野の密接な結合が必要です。
論文 参考訳(メタデータ) (2020-12-11T00:43:47Z)
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。