論文の概要: Is Machine Learning Unsafe and Irresponsible in Social Sciences?
Paradoxes and Reconsidering from Recidivism Prediction Tasks
- arxiv url: http://arxiv.org/abs/2311.06537v1
- Date: Sat, 11 Nov 2023 11:17:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 18:08:38.541146
- Title: Is Machine Learning Unsafe and Irresponsible in Social Sciences?
Paradoxes and Reconsidering from Recidivism Prediction Tasks
- Title(参考訳): 機械学習は社会科学において安全で無責任か?
レシディズム予測課題からのパラドックスと再考
- Authors: Jianhong Liu (1), Dianshi Li (1) ((1) Faculty of Law, University of
Macau, Macau, China)
- Abstract要約: 本論文は,社会科学への計算的アプローチの根底にある,ハイテイクなイベント予測に関する,基本的な,熱い議論の的となっている問題に対処する。
我々は機械学習に対するいくつかの一般的な見解を疑問視し、計算手法と従来の社会科学アプローチの融合を促進する新しいパラダイムを概説する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper addresses some fundamental and hotly debated issues for high-stakes
event predictions underpinning the computational approach to social sciences.
We question several prevalent views against machine learning and outline a new
paradigm that highlights the promises and promotes the infusion of
computational methods and conventional social science approaches.
- Abstract(参考訳): 本論文は,社会科学への計算的アプローチの根底にある,ハイテイクなイベント予測に関する,基本的な,熱い議論を提起する。
我々は機械学習に対するいくつかの一般的な見解を疑問視し、計算手法と従来の社会科学アプローチの融合を促進する新しいパラダイムを概説する。
関連論文リスト
- Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳(メタデータ) (2024-04-17T02:57:42Z) - Performative Prediction: Past and Future [20.177988776870517]
自己充足と自己負の予測は、パフォーマンス性の例である。
機械学習の応用において、性能は分散シフトとして表されることが多い。
性能予測の結果は、新しい最適化課題を引き起こす自然な平衡概念である。
論文 参考訳(メタデータ) (2023-10-25T13:02:45Z) - A Unified View of Deep Learning for Reaction and Retrosynthesis
Prediction: Current Status and Future Challenges [59.41636061300571]
反応と再合成予測は計算化学の基本的な課題である。
これらの問題に対処するために、様々なディープラーニングアプローチが提案されている。
本報告は,反応の統一的理解と再合成予測を目的とした,初めての総合的かつ体系的な調査である。
論文 参考訳(メタデータ) (2023-06-28T03:15:55Z) - 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) - The Fairness Field Guide: Perspectives from Social and Formal Sciences [16.53498469585148]
公正な機械学習と哲学、社会学、法学との相互作用を説明する文献が欠如している。
我々はいくつかの統計学および因果関係に基づく公正な機械学習手法の数学的およびアルゴリズム的背景について述べる。
我々は、社会学的・哲学的な観点から、公正な機械学習への現在のアプローチに対する批判をいくつか探求する。
論文 参考訳(メタデータ) (2022-01-13T21:30:03Z) - A Survey on Societal Event Forecasting with Deep Learning [12.343312954353639]
我々は、社会的出来事の2つの領域(textitcivil unrestとtextitcrime)に焦点を当てる。
まず、機械学習予測タスクとしてイベント予測問題を定式化する方法を紹介し、次に、データリソース、従来の手法、そしてこれらの問題に対する最近のディープラーニングモデルの開発について要約する。
論文 参考訳(メタデータ) (2021-12-12T22:57:22Z) - Are socially-aware trajectory prediction models really socially-aware? [75.36961426916639]
我々は,予測モデルの社会的理解を評価するために,社会的に意図された攻撃を導入する。
攻撃は、予測器を失敗させるため、小さなが慎重に構成された摂動である。
我々の攻撃は、最先端モデルの社会的理解を高めるために有効であることを示す。
論文 参考訳(メタデータ) (2021-08-24T17:59:09Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳(メタデータ) (2021-04-29T09:54:54Z) - Individual Explanations in Machine Learning Models: A Case Study on
Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。
本研究の主な目的は2つある。
まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。
次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文 参考訳(メタデータ) (2021-04-09T01:54:58Z) - The Use and Misuse of Counterfactuals in Ethical Machine Learning [2.28438857884398]
検討すべき事実が人種や性別などの社会的カテゴリーである場合に、反事実の使用にもっと注意を払っている。
機械学習の公正性と社会的説明可能性に対する反事実的アプローチは、社会的カテゴリとは何かという不合理な理論を必要とする可能性があると結論付けている。
論文 参考訳(メタデータ) (2021-02-09T19:28:41Z) - Theory In, Theory Out: The uses of social theory in machine learning for
social science [3.180013942295509]
機械学習パイプラインの各段階で生じる基本的な方法論的および解釈的疑問に、社会理論がどのように答えられるかを示す。
本論文は,機械学習のツールをソーシャルデータに適用する際の現実的な疑問を,コンピュータや社会科学者のガイドとして扱うことができると考えている。
論文 参考訳(メタデータ) (2020-01-09T20:04:25Z)
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。