論文の概要: FAIR for AI: An interdisciplinary, international, inclusive, and diverse
community building perspective
- arxiv url: http://arxiv.org/abs/2210.08973v1
- Date: Fri, 30 Sep 2022 22:05:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:53:21.520436
- Title: FAIR for AI: An interdisciplinary, international, inclusive, and diverse
community building perspective
- Title（参考訳）: aiのためのフェア: 学際的、国際的、包括的、多様なコミュニティ構築視点
- Authors: E.A. Huerta, Ben Blaiszik, L. Catherine Brinson, Kristofer E.
Bouchard, Daniel Diaz, Caterina Doglioni, Javier M. Duarte, Murali Emani, Ian
Foster, Geoffrey Fox, Philip Harris, Lukas Heinrich, Shantenu Jha, Daniel S.
Katz, Volodymyr Kindratenko, Christine R. Kirkpatrick, Kati Lassila-Perini,
Ravi K. Madduri, Mark S. Neubauer, Fotis E. Psomopoulos, Avik Roy, Oliver
R\"ubel, Zhizhen Zhao and Ruike Zhu
- Abstract要約: FAIRの原則は、適切なデータ管理とスチュワードシップの前提条件として2016年に提案された。
FAIRの原則は、データを生成するソフトウェア、ツール、アルゴリズム、データセットを含むように再解釈または拡張されている。
このレポートは2022年6月7日にアルゴンヌ国立研究所で開催されたFAIR for AIワークショップに基づいている。
- 参考スコア（独自算出の注目度）: 19.2239109259925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A foundational set of findable, accessible, interoperable, and reusable
(FAIR) principles were proposed in 2016 as prerequisites for proper data
management and stewardship, with the goal of enabling the reusability of
scholarly data. The principles were also meant to apply to other digital
assets, at a high level, and over time, the FAIR guiding principles have been
re-interpreted or extended to include the software, tools, algorithms, and
workflows that produce data. FAIR principles are now being adapted in the
context of AI models and datasets. Here, we present the perspectives, vision,
and experiences of researchers from different countries, disciplines, and
backgrounds who are leading the definition and adoption of FAIR principles in
their communities of practice, and discuss outcomes that may result from
pursuing and incentivizing FAIR AI research. The material for this report
builds on the FAIR for AI Workshop held at Argonne National Laboratory on June
7, 2022.
- Abstract（参考訳）: 2016年、適切なデータ管理と管理のための前提条件として、発見可能、アクセス可能、相互運用可能、再利用可能な(fair)原則の基本的なセットが提案され、学術データの再利用を可能にした。
この原則は、他のデジタル資産にも高いレベルで適用することを目的としており、時間とともに、データを生成するソフトウェア、ツール、アルゴリズム、ワークフローを含むように、公正な指針の原則が再解釈または拡張された。
FAIR原則は現在、AIモデルとデータセットのコンテキストに適応している。
ここでは、FAIRの実践コミュニティにおけるFAIRの原則の定義と採用をリードする各国の研究者の視点、ビジョン、経験を示し、FAIRのAI研究を追求し、インセンティブを与える結果について議論する。
このレポートの資料は2022年6月7日にアルゴンヌ国立研究所で開催されたFAIR for AI Workshopに基づいている。
関連論文リスト
- A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。
我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。
これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
論文 参考訳（メタデータ） (2024-05-02T22:43:02Z) - FAIR Enough: How Can We Develop and Assess a FAIR-Compliant Dataset for Large Language Models' Training? [3.0406004578714008]
大規模言語モデルの急速な進化は、AI開発における倫理的考慮とデータの整合性の必要性を強調している。
FAIRの原則は倫理データのスチュワードシップに不可欠であるが、LLMトレーニングデータの文脈におけるそれらの特定の応用は未調査領域のままである。
本稿では,FAIR の原則を LLM 開発ライフサイクルに統合する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-19T21:21:02Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z) - Report of the 1st Workshop on Generative AI and Law [78.62063815165968]
本報告では、生成AIと法に関する第1回ワークショップ(GenLaw)の開催状況について述べる。
コンピュータサイエンスと法学の実践者や学者の学際的なグループが集まり、ジェネレーティブAI法がもたらす技術的、教義的、政策上の課題について議論した。
論文 参考訳（メタデータ） (2023-11-11T04:13:37Z) - Information Retrieval Meets Large Language Models: A Strategic Report
from Chinese IR Community [180.28262433004113]
大規模言語モデル(LLM)は、テキスト理解、生成、知識推論において例外的な能力を示した。
LLMと人間は、情報検索のためにより強力な新しい技術パラダイムを形成します。
LLMがIR研究に与える影響を徹底的に議論するため、中国のIRコミュニティは2023年4月に戦略的ワークショップを開催した。
論文 参考訳（メタデータ） (2023-07-19T05:23:43Z) - FAIR Begins at home: Implementing FAIR via the Community Data Driven
Insights [1.5766133856827325]
我々は、CDDI(Community of Data Driven Insights)の経験について報告する。
これらの経験は、単一の大学の分野にわたる研究者に対するFAIR実装の複雑な次元を示している。
論文 参考訳（メタデータ） (2023-03-13T19:12:16Z) - Worldwide AI Ethics: a review of 200 guidelines and recommendations for
AI governance [0.0]
本稿では、公共機関、学術機関、民間企業、市民社会団体が公表した200のガバナンス政策とAI利用に関する倫理ガイドラインのメタ分析を行う。
オープンソースデータベースとツールとしてリリースされているデータセットのポリシとガイドラインで一般的な少なくとも17の共鳴原理を特定します。
本研究は, 今後の規制に組み込むべき合意の領域を提示し, 分析結果の批判的分析と組み合わせたグローバルスケール分析研究の実施の限界を提示する。
論文 参考訳（メタデータ） (2022-06-23T18:03:04Z) - The Different Faces of AI Ethics Across the World: A
Principle-Implementation Gap Analysis [12.031113181911627]
人工知能(AI)は、医療、宇宙探査、銀行、金融といった分野で、私たちの日常生活を変えつつある。
こうしたAIの急速な進歩は、AI技術が社会に与える影響に対する関心を高めている。
いくつかの倫理的原則は政府、国家、国際機関によって公表されている。
これらの原則は、AIの倫理的開発、デプロイメント、ガバナンスを導くための、ハイレベルな規範を概説している。
論文 参考訳（メタデータ） (2022-05-12T22:41:08Z) - AI Ethics Principles in Practice: Perspectives of Designers and Developers [19.16435145144916]
オーストラリア国立科学研究機関(CSIRO)の研究者・技術者の実践と経験について検討する。
インタビューは、参加者の実践がオーストラリア政府によって提案された高レベルのAI倫理原則とどのように関連し、整合しているかを調べるために使用された。
論文 参考訳（メタデータ） (2021-12-14T15:28:45Z) - 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) - On the Morality of Artificial Intelligence [154.69452301122175]
本稿では,機械学習の研究・展開に関する概念的かつ実践的な原則とガイドラインを提案する。
我々は,より倫理的で道徳的なMLの実践を追求するために,実践者が採る具体的な行動を主張している。
論文 参考訳（メタデータ） (2019-12-26T23:06:54Z)
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。