論文の概要: Are machine learning technologies ready to be used for humanitarian work
and development?
- arxiv url: http://arxiv.org/abs/2307.01891v1
- Date: Tue, 4 Jul 2023 19:32:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 16:02:51.428843
- Title: Are machine learning technologies ready to be used for humanitarian work
and development?
- Title（参考訳）: 機械学習技術は人道的作業や開発に使えるのだろうか?
- Authors: Vedran Sekara, M\'arton Karsai, Esteban Moro, Dohyung Kim, Enrique
Delamonica, Manuel Cebrian, Miguel Luengo-Oroz, Rebeca Moreno Jim\'enez, and
Manuel Garcia-Herranz
- Abstract要約: 機械学習(ML)や人工知能(AI)といったデジタルデータソースやツールは、開発に関するデータに革命をもたらす可能性がある。
われわれは、新しいテクノロジーが望まれる目標に届かず、最悪の場合不平等を高め、差別を増幅し、人権を侵害するリスクがあると主張している。
- 参考スコア（独自算出の注目度）: 2.156882891331917
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Novel digital data sources and tools like machine learning (ML) and
artificial intelligence (AI) have the potential to revolutionize data about
development and can contribute to monitoring and mitigating humanitarian
problems. The potential of applying novel technologies to solving some of
humanity's most pressing issues has garnered interest outside the traditional
disciplines studying and working on international development. Today,
scientific communities in fields like Computational Social Science, Network
Science, Complex Systems, Human Computer Interaction, Machine Learning, and the
broader AI field are increasingly starting to pay attention to these pressing
issues. However, are sophisticated data driven tools ready to be used for
solving real-world problems with imperfect data and of staggering complexity?
We outline the current state-of-the-art and identify barriers, which need to be
surmounted in order for data-driven technologies to become useful in
humanitarian and development contexts. We argue that, without organized and
purposeful efforts, these new technologies risk at best falling short of
promised goals, at worst they can increase inequality, amplify discrimination,
and infringe upon human rights.
- Abstract（参考訳）: 機械学習(ML)や人工知能(AI)といった新しいデジタルデータソースやツールは、開発に関するデータに革命をもたらす可能性があり、人道的な問題を監視し緩和するのに貢献する。
人類の最も差し迫った問題を解決するために新しい技術を適用する可能性は、国際開発の研究や研究を行う伝統的な分野以外で関心を集めている。
今日では、計算社会科学、ネットワークサイエンス、複雑システム、ヒューマンコンピュータインタラクション、機械学習、そしてより広範なAI分野といった分野の科学コミュニティが、これらのプレッシャー問題に注目し始めている。
しかし、高度なデータ駆動ツールは、不完全なデータと停滞する複雑さで現実世界の問題を解決するのに使えるだろうか?
我々は,現状を概説し,データ駆動技術が人道的および開発的文脈において有用になるためには,克服すべき障壁を特定する。
組織的かつ目的的な努力がなければ、これらの新技術は、約束された目標に届かず、最悪の場合不平等を高め、差別を増幅し、人権を侵害する恐れがある、と我々は主張する。
関連論文リスト
- Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Unveiling AI's Potential Through Tools, Techniques, and Applications [17.624263707781655]
人工知能(AI)、機械学習、ディープラーニングは、ビッグデータ分析と管理において変革の力となっている。
この記事では、これらの分野における基礎概念と最先端の展開について論じる。
理論的基盤を実行可能な戦略でブリッジすることで、ビッグデータ管理に革命をもたらすAIとLLMの可能性を示す。
論文 参考訳（メタデータ） (2024-10-02T06:24:51Z) - Adapting to the AI Disruption: Reshaping the IT Landscape and Educational Paradigms [0.0]
人工知能(AI)は、技術進歩と社会変化が相互作用する革命期の始まりを示す。
このエッセイは、AI主導の経済がもたらした機会と問題について、ITセクターと情報技術教育に対するAI破壊の影響について考察する。
論文 参考訳（メタデータ） (2024-09-01T09:39:25Z) - Generative AI has lowered the barriers to computational social sciences [3.313485776871956]
生成人工知能(AI)は計算社会科学の分野に革命をもたらした。
このブレークスルーは社会科学の領域に深い影響をもたらす。
論文 参考訳（メタデータ） (2023-11-17T19:24:39Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Latest Trends in Artificial Intelligence Technology: A Scoping Review [0.0]
本研究では、PRISMAフレームワークに続く最先端の人工知能技術のスコーピングレビューを行う。
目標は、人工知能技術研究のさまざまな領域で使われている最も高度な技術を見つけることであった。
論文 参考訳（メタデータ） (2023-05-08T08:06:16Z) - Coordinated Science Laboratory 70th Anniversary Symposium: The Future of
Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。
シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。
参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文 参考訳（メタデータ） (2022-10-04T17:32:27Z) - Future Computer Systems and Networking Research in the Netherlands: A
Manifesto [137.47124933818066]
我々はICTの重要部分としてCompSysに注目している。
オランダ経済のトップセクター、国家研究アジェンダの各ルート、国連持続可能な開発目標の各ルートは、コンプシーズの進歩なしには対処できない課題を提起する。
論文 参考訳（メタデータ） (2022-05-26T11:02:29Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - Interdisciplinary Approaches to Understanding Artificial Intelligence's
Impact on Society [7.016365171255391]
aiは、予期せぬ社会技術的問題を引き起こしている。
コンピュータ科学と社会と社会の価値を研究する分野の密接な結合が必要です。
論文 参考訳（メタデータ） (2020-12-11T00:43:47Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。