論文の概要: The Objective Function: Science and Society in the Age of Machine Intelligence

• arxiv url: http://arxiv.org/abs/2209.10418v1
• Date: Wed, 21 Sep 2022 15:05:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:18:41.152954
• Title: The Objective Function: Science and Society in the Age of Machine Intelligence
• Title（参考訳）: 客観的機能:機械知能時代の科学と社会
• Authors: Emanuel Moss
• Abstract要約: 機械知能は、刑事司法、商業、医学、メディア、芸術、機械工学と異なる分野に適用されている。 この論文は、機械学習を創出する応用機械学習研究者の職場での実践を調べるものである。 この論文は、機械学習が他の機関や組織からの様々な宿泊施設にどのように依存するかについても検討している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine intelligence, or the use of complex computational and statistical practices to make predictions and classifications based on data representations of phenomena, has been applied to domains as disparate as criminal justice, commerce, medicine, media and the arts, mechanical engineering, among others. How has machine intelligence become able to glide so freely across, and to make such waves for, these domains? In this dissertation, I take up that question by ethnographically engaging with how the authority of machine learning has been constructed such that it can influence so many domains, and I investigate what the consequences are of it being able to do so. By examining the workplace practices of the applied machine learning researchers who produce machine intelligence, those they work with, and the artifacts they produce. The dissertation begins by arguing that machine intelligence proceeds from a naive form of empiricism with ties to positivist intellectual traditions of the 17th and 18th centuries. This naive empiricism eschews other forms of knowledge and theory formation in order for applied machine learning researchers to enact data performances that bring objects of analysis into existence as entities capable of being subjected to machine intelligence. By data performances, I mean generative enactments which bring into existence that which machine intelligence purports to analyze or describe. The enactment of data performances is analyzed as an agential cut into a representational field that produces both stable claims about the world and the interpretive frame in which those claims can hold true. The dissertation also examines how machine intelligence depends upon a range of accommodations from other institutions and organizations, from data collection and processing to organizational commitments to support the work of applied machine learning researchers.
• Abstract（参考訳）: 機械知能(英: machine intelligence)は、犯罪、商取引、医療、メディア、芸術、機械工学などの分野に応用され、現象のデータ表現に基づく予測や分類を行うための複雑な計算と統計の手法である。 マシンインテリジェンスはどのようにして、これらの領域を自由に行き来し、そのような波を作ることができるのか? この論文の中で、機械学習の権威がこれほど多くの領域に影響を与え得るようにどのように構築されているのかをエスノグラフィー的に取り上げ、それがどのような結果をもたらすのかを考察する。 機械学習を生産する応用機械学習研究者の職場実践や、一緒に働く人たち、そして彼らが生み出す成果物を調べることによって。 この論文は、17世紀と18世紀の実証主義的な知的伝統と結びついた経験主義のナイーブな形態から機械知が進むと主張することから始まった。 このナイーブな経験主義は、応用機械学習研究者がデータパフォーマンスを実践するために、他の種類の知識と理論の形成を駆使し、分析対象をマシンインテリジェンスに従属できる実体として存在させる。 データパフォーマンスによって、私は、マシンインテリジェンスが分析または記述しようとしている存在をもたらす生成的慣習を意味します。 データパフォーマンスの制定は、表象フィールドへのエージェントカットとして分析され、世界に関する安定した主張と、それらの主張が真となる解釈的枠組みの両方を生成する。 論文はまた、機械学習研究者の作業を支援するために、データ収集や処理から組織へのコミットメントまで、機械学習が他の機関や組織からの宿泊施設に依存するかについても検討している。

関連論文リスト

• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• Mapping AI Arguments in Journalism Studies [0.0]
  本研究は,ジャーナリズムとマスコミュニケーション研究の分野における人工知能(AI)調査のタイプロジについて検討し,提案するものである。 我々は、機械学習、自然言語処理(NLP)、音声認識、エキスパートシステム、計画、スケジューリング、最適化、ロボット工学、コンピュータビジョンを含む、AIの7つの異なるサブフィールドの解明を目指している。
  論文  参考訳（メタデータ） (2023-09-03T05:04:11Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Designing Explainable Predictive Machine Learning Artifacts: Methodology and Practical Demonstration [0.0]
  さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。 我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。 本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
  論文  参考訳（メタデータ） (2023-06-20T15:11:26Z)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Machine Learning Featurizations for AI Hacking of Political Systems [0.0]
  最近のエッセイ"The Coming AI Hackers"の中で、Schneier氏は、社会、経済、政治システムの脆弱性を発見し、操作し、悪用するための人工知能の将来の応用を提案した。 この研究は、AIハッキングの可能な"機能化"フレームワークを仮定して、機械学習から理論を適用することによって、概念を前進させる。 政治システムの属性や結果を予測するために,さまざまなディープラーニングモデルの応用を可能にするグラフとシーケンスデータ表現を開発した。
  論文  参考訳（メタデータ） (2021-10-08T16:51:31Z)
• Measuring Ethics in AI with AI: A Methodology and Dataset Construction [1.6861004263551447]
  我々は、AI技術のこのような新しい機能を使用して、AI測定能力を増強することを提案する。 我々は倫理的問題や関心事に関連する出版物を分類するモデルを訓練する。 私たちは、AIメトリクス、特に信頼できる公正なAIベースのツールや技術開発への彼らの貢献の意味を強調します。
  論文  参考訳（メタデータ） (2021-07-26T00:26:12Z)
• Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
  機械学習の研究は転換点にある。 研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。 このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
  論文  参考訳（メタデータ） (2020-12-21T15:07:19Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)
• A Machine Consciousness architecture based on Deep Learning and Gaussian Processes [0.0]
  本稿では,グローバルワークスペース理論に基づいて,マシン内で意識を生じさせるアーキテクチャを提案する。 このアーキテクチャは、これらの相関するアクティビティを出力する人工知能モデルにおける最近の発展を利用するプロセスに基づいている。
  論文  参考訳（メタデータ） (2020-02-02T23:18:17Z)

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。