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
- Human services organizations and the responsible integration of AI: Considering ethics and contextualizing risk(s) [0.0]
著者らは、AIデプロイメントに関する倫理的懸念は、実装コンテキストや特定のユースケースによって大きく異なると主張している。
彼らは、データ感度、専門的な監視要件、クライアントの幸福に対する潜在的影響などの要因を考慮に入れた、次元的リスクアセスメントアプローチを提案する。
論文 参考訳（メタデータ） (2025-01-20T19:38:21Z) - Misalignments in AI Perception: Quantitative Findings and Visual Mapping of How Experts and the Public Differ in Expectations and Risks, Benefits, and Value Judgments [0.20971479389679332]
本研究は,一般の公立および学術的AI専門家が,71のシナリオにおいてAIの能力と影響をどう認識するかを検討する。
参加者は、予測される確率、認識されるリスクと利益、全体的な感情(または価値)の4つの次元で各シナリオを評価した。
専門家は高い確率を予測し、低いリスクを知覚し、有用性を報告し、非専門家と比較してAIに対する好意的な感情を表現する。
論文 参考訳（メタデータ） (2024-12-02T12:51:45Z) - Mapping Public Perception of Artificial Intelligence: Expectations, Risk-Benefit Tradeoffs, and Value As Determinants for Societal Acceptance [0.20971479389679332]
ドイツからの1100人の参加者の代表的サンプルを用いて,AIの精神モデルについて検討した。
参加者はAIの将来能力に関する71のステートメントを定量的に評価した。
我々は、これらの予測のランキングを、公共のリスクと利益のトレードオフを示す視覚マッピングと共に提示する。
論文 参考訳（メタデータ） (2024-11-28T20:03:01Z) - 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) - 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) - Trustworthy, responsible, ethical AI in manufacturing and supply chains:
synthesis and emerging research questions [59.34177693293227]
製造の文脈において、責任、倫理、信頼できるAIの適用性について検討する。
次に、機械学習ライフサイクルのより広範な適応を使用して、実証的な例を用いて、各ステップが与えられたAIの信頼性に関する懸念にどのように影響するかを議論します。
論文 参考訳（メタデータ） (2023-05-19T10:43:06Z) - Quantitative AI Risk Assessments: Opportunities and Challenges [7.35411010153049]
リスクを減らす最善の方法は、包括的なAIライフサイクルガバナンスを実装することです。
リスクは技術コミュニティのメトリクスを使って定量化できます。
本稿では,このようなアプローチの機会,課題,潜在的影響に焦点をあてて,これらの課題について考察する。
論文 参考訳（メタデータ） (2022-09-13T21:47:25Z) - 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)
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。