論文の概要: Dynamic Documentation for AI Systems

• arxiv url: http://arxiv.org/abs/2303.10854v1
• Date: Mon, 20 Mar 2023 04:23:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 16:48:54.432624
• Title: Dynamic Documentation for AI Systems
• Title（参考訳）: AIシステムのための動的ドキュメンテーション
• Authors: Soham Mehta, Anderson Rogers and Thomas Krendl Gilbert
• Abstract要約: 本稿では,AIシステムにおける現在のドキュメンテーションプロトコルの限界を示す。 我々は、AIシステムを理解し評価するための新しいパラダイムとして、動的ドキュメンテーションを議論する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI documentation is a rapidly-growing channel for coordinating the design of AI technologies with policies for transparency and accessibility. Calls to standardize and enact documentation of algorithmic harms and impacts are now commonplace. However, documentation standards for AI remain inchoate, and fail to match the capabilities and social effects of increasingly impactful architectures such as Large Language Models (LLMs). In this paper, we show the limits of present documentation protocols, and argue for dynamic documentation as a new paradigm for understanding and evaluating AI systems. We first review canonical approaches to system documentation outside the context of AI, focusing on the complex history of Environmental Impact Statements (EISs). We next compare critical elements of the EIS framework to present challenges with algorithmic documentation, which have inherited the limitations of EISs without incorporating their strengths. These challenges are specifically illustrated through the growing popularity of Model Cards and two case studies of algorithmic impact assessment in China and Canada. Finally, we evaluate more recent proposals, including Reward Reports, as potential components of fully dynamic AI documentation protocols.
• Abstract（参考訳）: AIドキュメントは、透明性とアクセシビリティのポリシーでAIテクノロジの設計を調整するための、急速に成長するチャネルである。 アルゴリズムによる危害や影響のドキュメントを標準化し、実行するための呼び出しが一般的になった。 しかし、AIのドキュメンテーション標準はそのままであり、Large Language Models (LLMs)のようなますます影響力のあるアーキテクチャの能力と社会的効果に合致しない。 本稿では,現在のドキュメンテーションプロトコルの限界を示すとともに,動的ドキュメンテーションをAIシステムの理解と評価のための新しいパラダイムとして論じる。 我々はまず,環境影響文書(EIS)の複雑な歴史に着目し,AIの文脈外のシステムドキュメンテーションへの標準的アプローチをレビューした。 次に、EISフレームワークの重要な要素を比較し、その強みを取り入れずにEISの限界を継承したアルゴリズムドキュメンテーションによる課題を提示する。 これらの課題は、モデルカードの人気の高まりと、中国とカナダにおけるアルゴリズム的影響評価の2つのケーススタディを通じて特に示される。 最後に、完全な動的aiドキュメントプロトコルの潜在的なコンポーネントとして、報奨報告を含む最近の提案を評価する。

関連論文リスト

• Establishing Minimum Elements for Effective Vulnerability Management in AI Software [4.067778725390327]
  本稿では,AI脆弱性管理の最小要素と人工知能脆弱性データベース(AIVD)の確立について論じる。 AI脆弱性の公開、分析、カタログ化、文書化のための標準化されたフォーマットとプロトコルを提供する。
  論文  参考訳（メタデータ） (2024-11-18T06:22:20Z)
• SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。 従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• AI Cards: Towards an Applied Framework for Machine-Readable AI and Risk Documentation Inspired by the EU AI Act [2.1897070577406734]
  その重要性にもかかわらず、AI法に沿ったAIとリスクドキュメントの作成を支援するための標準やガイドラインが欠如している。 提案するAIカードは,AIシステムの意図した使用を表現するための,新しい総合的なフレームワークである。
  論文  参考訳（メタデータ） (2024-06-26T09:51:49Z)
• Coordinated Flaw Disclosure for AI: Beyond Security Vulnerabilities [1.3225694028747144]
  本稿では,機械学習(ML)問題の複雑度に合わせたコーディネート・フレーバー開示フレームワークを提案する。 本フレームワークは,拡張モデルカード,ダイナミックスコープ拡張,独立適応パネル,自動検証プロセスなどのイノベーションを導入している。 CFDはAIシステムに対する公的な信頼を著しく向上させる可能性があると我々は主張する。
  論文  参考訳（メタデータ） (2024-02-10T20:39:04Z)
• Levels of AGI for Operationalizing Progress on the Path to AGI [64.59151650272477]
  本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。 このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
  論文  参考訳（メタデータ） (2023-11-04T17:44:58Z)
• Use case cards: a use case reporting framework inspired by the European AI Act [0.0]
  ユースケースの文書化のための新しいフレームワークを提案する。 他のドキュメンテーションの方法論とは異なり、私たちはAIシステムの目的と運用に重点を置いています。 提案された枠組みは、関連するEU政策の専門家と科学者のチームを含む共同設計プロセスの結果である。
  論文  参考訳（メタデータ） (2023-06-23T15:47:19Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)
• Connecting Algorithmic Research and Usage Contexts: A Perspective of Contextualized Evaluation for Explainable AI [65.44737844681256]
  説明可能なAI(XAI)を評価する方法に関するコンセンサスの欠如は、この分野の進歩を妨げる。 このギャップを埋める一つの方法は、異なるユーザ要求を考慮に入れた評価方法を開発することである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-06-22T05:17:33Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)

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。