論文の概要: An Analytics of Culture: Modeling Subjectivity, Scalability, Contextuality, and Temporality

• arxiv url: http://arxiv.org/abs/2211.07460v1
• Date: Mon, 14 Nov 2022 15:42:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 19:37:03.761976
• Title: An Analytics of Culture: Modeling Subjectivity, Scalability, Contextuality, and Temporality
• Title（参考訳）: 文化の分析: 主観性、スケーラビリティ、文脈性、テンポラリティをモデル化する
• Authors: Nanne van Noord, Melvin Wevers, Tobias Blanke, Julia Noordegraaf, Marcel Worring
• Abstract要約: 文化とAIの間には双方向の関係があり、AIモデルは文化を分析するためにますます使われており、それによって文化に対する理解が形成される。 一方、これらのモデルでは、文化の表現を暗黙的に、常に正しく、暗黙的に学習する。 これにより、文化の分析にAIの使用を制限し、バイアスのような文化的な複雑な問題に関してAIの問題を引き起こす緊張が生じます。
• 参考スコア（独自算出の注目度）: 13.638494941763637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is a bidirectional relationship between culture and AI; AI models are increasingly used to analyse culture, thereby shaping our understanding of culture. On the other hand, the models are trained on collections of cultural artifacts thereby implicitly, and not always correctly, encoding expressions of culture. This creates a tension that both limits the use of AI for analysing culture and leads to problems in AI with respect to cultural complex issues such as bias. One approach to overcome this tension is to more extensively take into account the intricacies and complexities of culture. We structure our discussion using four concepts that guide humanistic inquiry into culture: subjectivity, scalability, contextuality, and temporality. We focus on these concepts because they have not yet been sufficiently represented in AI research. We believe that possible implementations of these aspects into AI research leads to AI that better captures the complexities of culture. In what follows, we briefly describe these four concepts and their absence in AI research. For each concept, we define possible research challenges.
• Abstract（参考訳）: 文化とAIの間には双方向の関係があり、AIモデルは文化を分析するためにますます使われ、文化に対する理解を形成する。 一方で、モデルは、文化の表現を暗黙的に、かつ必ずしも正しくエンコードするとは限らない、文化的アーティファクトのコレクションに基づいて訓練される。 これにより、文化の分析にAIの使用を制限する緊張が生じ、バイアスのような文化的な複雑な問題に関してAIの問題を引き起こす。 この緊張を克服する一つのアプローチは、文化の複雑さと複雑さをより広く考慮することである。 我々は,主観性,拡張性,文脈性,時間性という4つの概念を用いて議論を構成する。 AI研究ではまだ十分に表現されていないため、これらの概念に焦点を当てています。 AI研究におけるこれらの側面の実装の可能性は、文化の複雑さをよりよく捉えたAIにつながると信じています。 以下に示すように、これらの4つの概念とAI研究におけるそれらの欠如について簡単に説明する。 それぞれの概念に対して、可能な研究課題を定義します。

関連論文リスト

• CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries [63.00147630084146]
  視覚言語モデル(VLM)は高度な人間とAIの相互作用を持つが、文化的な理解に苦慮している。 CultureVerseは大規模なマルチモーダルベンチマークで、682の文化的概念、188の国/地域、15の文化的概念、3の質問タイプをカバーしている。 本稿では,文化理解の大幅な向上を実現するために,我々のデータセットを微調整したVLMのシリーズであるCultureVLMを提案する。
  論文  参考訳（メタデータ） (2025-01-02T14:42:37Z)
• Aligning Generalisation Between Humans and Machines [74.120848518198]
  近年のAIの進歩は、科学的発見と意思決定支援において人間を支援できる技術をもたらしたが、民主主義と個人を妨害する可能性がある。 AIの責任ある使用は、ますます人間とAIのチームの必要性を示している。 これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
  論文  参考訳（メタデータ） (2024-11-23T18:36:07Z)
• Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
  本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。 我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。 異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
  論文  参考訳（メタデータ） (2024-06-17T14:03:27Z)
• CulturePark: Boosting Cross-cultural Understanding in Large Language Models [63.452948673344395]
  本稿では,LLMを利用した文化データ収集のためのマルチエージェント通信フレームワークであるCultureParkを紹介する。 人間の信念、規範、習慣をカプセル化した高品質な異文化対話を生成する。 我々はこれらのモデルを,コンテンツモデレーション,文化的アライメント,文化教育という3つの下流課題にまたがって評価する。
  論文  参考訳（メタデータ） (2024-05-24T01:49:02Z)
• What You Use is What You Get: Unforced Errors in Studying Cultural Aspects in Agile Software Development [2.9418191027447906]
  文化的特徴の影響を調べることは、多面的な文化概念のために困難である。 文化的・社会的側面は、実際にの使用が成功する上で非常に重要である。
  論文  参考訳（メタデータ） (2024-04-25T20:08:37Z)
• How Culture Shapes What People Want From AI [0.0]
  文化的に多様なグループの視点をAI開発に組み込む必要がある。 我々は,AIの主流となるビジョンを拡張し,再定義し,再構築することを目的とした,研究のための新しい概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-08T07:08:19Z)
• Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
  本稿では,多文化知識獲得のための新しいアプローチを提案する。 本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。 私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
  論文  参考訳（メタデータ） (2024-02-14T18:16:54Z)
• Cultural Bias and Cultural Alignment of Large Language Models [0.9374652839580183]
  広く使われている5つの大言語モデルに対して,文化的偏見の分散評価を行う。 全てのモデルは、英語とプロテスタントのヨーロッパ諸国に似た文化的価値を示す。 生成AIの出力における文化的バイアスを軽減するために,文化的なプロンプトと継続的な評価を用いることを提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:45:56Z)
• Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in Large Language Models [89.94270049334479]
  本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。 LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
  論文  参考訳（メタデータ） (2023-10-19T05:38:23Z)
• Towards a Praxis for Intercultural Ethics in Explainable AI [1.90365714903665]
  本稿では、AIの説明可能性に対する文化間倫理的アプローチの概念を紹介する。 それは、文化的なニュアンスがテクノロジーの採用と利用にどのように影響するか、AIのような技術的な概念がいかに説明されるかを妨げる要因、そしてXAIの開発に文化間の倫理的アプローチを統合することで、ユーザ理解を改善し、これらの手法の効率的な利用を促進するかを検討する。
  論文  参考訳（メタデータ） (2023-04-24T07:15:58Z)
• Cultural Incongruencies in Artificial Intelligence [5.817158625734485]
  我々は、AIベースの言語とビジョン技術の文脈において、文化的な依存関係と矛盾のセットについて説明する。 これらの技術が世界規模で多様な社会や文化と相互作用し、異なる価値と解釈の実践によって問題が発生する。
  論文  参考訳（メタデータ） (2022-11-19T18:45:02Z)

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。