論文の概要: AI Liability Insurance With an Example in AI-Powered E-diagnosis System
- arxiv url: http://arxiv.org/abs/2306.01149v1
- Date: Thu, 1 Jun 2023 21:03:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 17:42:44.652505
- Title: AI Liability Insurance With an Example in AI-Powered E-diagnosis System
- Title(参考訳): AIライカビリティ保険とAIによるe-diagnosisシステムの例
- Authors: Yunfei Ge and Quanyan Zhu
- Abstract要約: 我々はAIによるE-diagnosisシステムをAI責任保険の研究の例として用いている。
我々は、AI責任保険がコンプライアンス行動のインセンティブを与えるための規制機構として機能し、高品質なAIシステムの証明書として機能することを示した。
- 参考スコア(独自算出の注目度): 22.102728605081534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI) has received an increasing amount of attention
in multiple areas. The uncertainties and risks in AI-powered systems have
created reluctance in their wild adoption. As an economic solution to
compensate for potential damages, AI liability insurance is a promising market
to enhance the integration of AI into daily life. In this work, we use an
AI-powered E-diagnosis system as an example to study AI liability insurance. We
provide a quantitative risk assessment model with evidence-based numerical
analysis. We discuss the insurability criteria for AI technologies and suggest
necessary adjustments to accommodate the features of AI products. We show that
AI liability insurance can act as a regulatory mechanism to incentivize
compliant behaviors and serve as a certificate of high-quality AI systems.
Furthermore, we suggest premium adjustment to reflect the dynamic evolution of
the inherent uncertainty in AI. Moral hazard problems are discussed and
suggestions for AI liability insurance are provided.
- Abstract(参考訳): 人工知能(AI)は、複数の分野で注目を集めている。
ai駆動システムの不確実性とリスクは、彼らの大胆な採用に抵抗を生み出した。
潜在的な損害を補う経済ソリューションとして、ai責任保険は、日常生活へのaiの統合を強化する有望な市場である。
本研究では、AIによるE-diagnosisシステムを用いて、AI責任保険の研究を行う。
証拠に基づく数値分析を用いた定量的リスク評価モデルを提案する。
我々は,AI技術の信頼性基準について議論し,AI製品の特徴に対応するために必要な調整を提案する。
我々は、AI責任保険がコンプライアンス行動のインセンティブを与えるための規制メカニズムとして機能し、高品質なAIシステムの証明書として機能することを示します。
さらに,AIの本質的不確実性の動的進化を反映したプレミアム調整を提案する。
モラルハザード問題について議論し、AI責任保険の提案を行う。
関連論文リスト
- Managing AI Risks in an Era of Rapid Progress [147.61764296776164]
我々は、大規模社会被害と悪用、および自律型AIシステムに対する人間の制御の不可逆的喪失について検討する。
迅速かつ継続的なAIの進歩を踏まえ、我々はAI研究開発とガバナンスの緊急優先事項を提案する。
論文 参考訳(メタデータ) (2023-10-26T17:59:06Z) - AI Hazard Management: A framework for the systematic management of root
causes for AI risks [0.0]
本稿ではAI Hazard Management(AIHM)フレームワークを紹介する。
AIのハザードを体系的に識別し、評価し、治療するための構造化されたプロセスを提供する。
総合的な最先端分析からAIハザードリストを構築する。
論文 参考訳(メタデータ) (2023-10-25T15:55:50Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2023-04-16T11:22:59Z) - Adversarial AI in Insurance: Pervasiveness and Resilience [0.0]
本稿では,AIシステムを騙し,誤った出力を生成するために,修正された入力データを作成することからなる敵攻撃について検討する。
防御法や予防システムについては,少数発・ゼロ発のマルチラベリングを考慮し論じる。
関心が高まりつつある関連するトピックは、AIとMLコンポーネントを組み込んだシステムの検証と検証である。
論文 参考訳(メタデータ) (2023-01-17T08:49:54Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Examining the Differential Risk from High-level Artificial Intelligence
and the Question of Control [0.0]
将来のAI能力の範囲と範囲は、依然として重要な不確実性である。
AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。
本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-06T15:46:02Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳(メタデータ) (2021-05-07T12:01:31Z) - Understanding and Avoiding AI Failures: A Practical Guide [0.6526824510982799]
AIアプリケーションに関連するリスクを理解するためのフレームワークを作成します。
また、AIの安全性原則を使用して、AIにおけるインテリジェンスと人間のような品質のユニークなリスクを定量化しています。
論文 参考訳(メタデータ) (2021-04-22T17:05:27Z) - Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable
Claims [59.64274607533249]
AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。
このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。
我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
論文 参考訳(メタデータ) (2020-04-15T17:15:35Z)
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。