論文の概要: Knowledge-augmented Risk Assessment (KaRA): a hybrid-intelligence
framework for supporting knowledge-intensive risk assessment of prospect
candidates
- arxiv url: http://arxiv.org/abs/2303.05288v1
- Date: Thu, 9 Mar 2023 14:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 14:41:12.518804
- Title: Knowledge-augmented Risk Assessment (KaRA): a hybrid-intelligence
framework for supporting knowledge-intensive risk assessment of prospect
candidates
- Title（参考訳）: 知識集約型リスクアセスメント(KaRA):知識集約型リスクアセスメントを支援するハイブリッドインテリジェンスフレームワーク
- Authors: Carlos Raoni Mendes, Emilio Vital Brazil, Vinicius Segura, and Renato
Cerqueira
- Abstract要約: 多くの文脈において、確率の確率(PoS)を評価することは専門家の知識に大きく依存しており、しばしばバイアスと矛盾した評価につながる。
我々はこれらの問題に対処するためにKARAというフレームワークを開発した。
候補候補のリスクアセスメントプロセスを支援するために、構造化されたドメイン知識ベースの上に中小企業のフィードバックを考慮する複数のAI技術を組み合わせる。
- 参考スコア（独自算出の注目度）: 2.3311636727756055
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evaluating the potential of a prospective candidate is a common task in
multiple decision-making processes in different industries. We refer to a
prospect as something or someone that could potentially produce positive
results in a given context, e.g., an area where an oil company could find oil,
a compound that, when synthesized, results in a material with required
properties, and so on. In many contexts, assessing the Probability of Success
(PoS) of prospects heavily depends on experts' knowledge, often leading to
biased and inconsistent assessments. We have developed the framework named KARA
(Knowledge-augmented Risk Assessment) to address these issues. It combines
multiple AI techniques that consider SMEs (Subject Matter Experts) feedback on
top of a structured domain knowledge-base to support risk assessment processes
of prospect candidates in knowledge-intensive contexts.
- Abstract（参考訳）: 予測候補の可能性を評価することは、異なる産業における複数の意思決定プロセスにおいて共通の課題である。
例えば、石油会社が石油を見つけることができる地域や、合成されると、必要な特性を持つ材料となる化合物などである。
多くの文脈において、確率の確率(PoS)を評価することは専門家の知識に大きく依存しており、しばしばバイアスと矛盾した評価につながる。
我々はこれらの問題に対処するためにKARA(Knowledge-augmented Risk Assessment)というフレームワークを開発した。
知識集約型コンテキストにおける候補候補のリスク評価プロセスを支援するために、構造化されたドメイン知識ベースの上に中小企業のフィードバックを考慮する複数のAI技術を組み合わせる。
関連論文リスト
- Responsible AI in Open Ecosystems: Reconciling Innovation with Risk Assessment and Disclosure [4.578401882034969]
私たちは、モデルパフォーマンス評価がモデル制限やバイアス、その他のリスクの予測を通知したり、妨げたりする方法について焦点を当てています。
我々の発見は、倫理的取り込みを動機づけつつ、オープンソースのイノベーションを維持するための介入やポリシーを設計するAI提供者や法学者に通知することができる。
論文 参考訳（メタデータ） (2024-09-27T19:09:40Z) - Risks and NLP Design: A Case Study on Procedural Document QA [52.557503571760215]
より具体的なアプリケーションやユーザに対して分析を専門化すれば,ユーザに対するリスクや害の明確な評価が可能になる,と我々は主張する。
リスク指向のエラー分析を行い、リスクの低減とパフォーマンスの向上を図り、将来のシステムの設計を通知する。
論文 参考訳（メタデータ） (2024-08-16T17:23:43Z) - Reasons to Doubt the Impact of AI Risk Evaluations [0.0]
本稿では、評価がAIリスクに対する理解と、そのリスクを緩和する能力を大幅に改善するかどうかを問う。
評価プラクティスの改善と、AIラボ、外部評価者、規制当局、学術研究者のための12の推奨事項を結論付けている。
論文 参考訳（メタデータ） (2024-08-05T15:42:51Z) - Privacy Risks of General-Purpose AI Systems: A Foundation for Investigating Practitioner Perspectives [47.17703009473386]
強力なAIモデルによって、幅広いタスクでパフォーマンスが飛躍的に向上した。
プライバシの懸念は、さまざまなプライバシのリスクとAIモデルの脆弱性をカバーした、豊富な文献につながっている。
我々はこれらの調査論文の体系的なレビューを行い、GPAISにおけるプライバシーリスクの簡潔かつ有用な概観を提供する。
論文 参考訳（メタデータ） (2024-07-02T07:49:48Z) - Quantitative AI Risk Assessments: Opportunities and Challenges [9.262092738841979]
AIベースのシステムは、組織、個人、社会に価値を提供するために、ますます活用されている。
リスクは、提案された規制、訴訟、および一般的な社会的懸念につながった。
本稿では,定量的AIリスクアセスメントの概念について考察する。
論文 参考訳（メタデータ） (2022-09-13T21:47:25Z) - Uncertainty-Driven Action Quality Assessment [67.20617610820857]
本稿では,複数の判定スコアの多様性を捉えるために,不確実性駆動型AQA (UD-AQA) という新しい確率モデルを提案する。
我々は,AQA回帰損失の再重み付けに使用される各予測の不確かさを推定する。
提案手法は,オリンピックイベントMTL-AQAとFineDivingの3つのベンチマークと,手術スキルJIGSAWSデータセットの3つのベンチマークで比較結果を得た。
論文 参考訳（メタデータ） (2022-07-29T07:21:15Z) - A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。
我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。
提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
論文 参考訳（メタデータ） (2022-06-30T02:35:04Z) - A Survey of Risk-Aware Multi-Armed Bandits [84.67376599822569]
我々は、様々な利害リスク対策をレビューし、その特性についてコメントする。
我々は,探索と探索のトレードオフが現れる,後悔の最小化設定のためのアルゴリズムを検討する。
今後の研究の課題と肥大化についてコメントし、締めくくりに締めくくります。
論文 参考訳（メタデータ） (2022-05-12T02:20:34Z) - Towards a multi-stakeholder value-based assessment framework for
algorithmic systems [76.79703106646967]
我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。
我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
論文 参考訳（メタデータ） (2022-05-09T19:28:32Z) - What's a Good Prediction? Challenges in evaluating an agent's knowledge [0.9281671380673306]
一般知識の精度と有用性の矛盾を示す。
本稿では,オンライン連続学習環境において連続的に発生する代替評価手法を提案する。
本稿では,その利用による予測評価について初めて考察する。
論文 参考訳（メタデータ） (2020-01-23T21:44:43Z)
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。