論文の概要: Systemic Biases in Sign Language AI Research: A Deaf-Led Call to Reevaluate Research Agendas

• arxiv url: http://arxiv.org/abs/2403.02563v1
• Date: Tue, 5 Mar 2024 00:37:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 16:39:26.955215
• Title: Systemic Biases in Sign Language AI Research: A Deaf-Led Call to Reevaluate Research Agendas
• Title（参考訳）: 手話AI研究におけるシステミックバイアス:研究アジェンダを再評価するための難解な呼びかけ
• Authors: Aashaka Desai, Maartje De Meulder, Julie A. Hochgesang, Annemarie Kocab, Alex X. Lu
• Abstract要約: 我々は手話AIに関する最近の101論文を体系的にレビューする。 我々は手話AI研究の現状における重要なバイアスを識別する。 私たちは、この分野にはDeaf利害関係者からの有意義なインプットがないという立場を取っています。
• 参考スコア（独自算出の注目度）: 1.9285000127136378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Growing research in sign language recognition, generation, and translation AI has been accompanied by calls for ethical development of such technologies. While these works are crucial to helping individual researchers do better, there is a notable lack of discussion of systemic biases or analysis of rhetoric that shape the research questions and methods in the field, especially as it remains dominated by hearing non-signing researchers. Therefore, we conduct a systematic review of 101 recent papers in sign language AI. Our analysis identifies significant biases in the current state of sign language AI research, including an overfocus on addressing perceived communication barriers, a lack of use of representative datasets, use of annotations lacking linguistic foundations, and development of methods that build on flawed models. We take the position that the field lacks meaningful input from Deaf stakeholders, and is instead driven by what decisions are the most convenient or perceived as important to hearing researchers. We end with a call to action: the field must make space for Deaf researchers to lead the conversation in sign language AI.
• Abstract（参考訳）: 手話認識、生成、翻訳AIの研究は、そのような技術の倫理的発展を求める声が上がっている。 これらの研究は個々の研究者の行動を改善するのに不可欠であるが、特に非署名研究者が支配する分野における研究の質問や方法を形成する体系的バイアスや修辞の分析に関する議論の欠如が顕著である。 そこで我々は手話AIに関する最近の101論文を体系的にレビューする。 我々の分析は、認識されるコミュニケーション障壁への対処、代表的データセットの使用の欠如、言語基盤の欠如したアノテーションの使用、欠陥のあるモデルに基づく手法の開発など、手話AI研究の現状における重大なバイアスを明らかにしている。 我々は、この分野には聴覚障害者の利害関係者からの有意義なインプットが欠けているという立場をとり、その代わりに研究者にとって最も都合のよい決定であるか、あるいは最も重要であると認識されているかによって駆動される。 この分野は、Deaf研究者が手話AIで会話をリードするためのスペースを作らなければならない。

関連論文リスト

• Who Writes What: Unveiling the Impact of Author Roles on AI-generated Text Detection [44.05134959039957]
  本稿では,社会言語学的属性・ジェンダー,CEFR習熟度,学術分野,言語環境に影響を及ぼすAIテキスト検出装置について検討する。 CEFRの習熟度と言語環境は一貫して検出器の精度に影響を与え,性別や学術分野は検出器に依存した効果を示した。 これらの発見は、特定の人口集団に不公平に罰を与えるのを避けるために、社会的に認識されたAIテキストの検出が不可欠であることを示している。
  論文  参考訳（メタデータ） (2025-02-18T07:49:31Z)
• Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
  言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。 パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。 得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• A Survey on Emergent Language [9.823821010022932]
  この論文は、人工知能における創発的言語に関する181の科学論文の包括的なレビューを提供する。 その目的は、この分野に興味のある研究者や熟練した研究者の参考となることである。
  論文  参考訳（メタデータ） (2024-09-04T12:22:05Z)
• Towards Possibilities & Impossibilities of AI-generated Text Detection: A Survey [97.33926242130732]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。 これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。 これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
  論文  参考訳（メタデータ） (2023-10-23T18:11:32Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Machine Translation from Signed to Spoken Languages: State of the Art and Challenges [9.292669129832605]
  我々は手話言語学と機械翻訳を高度に紹介する。 言語機械翻訳研究の肩に顕著な進歩が見られた。 我々は、学際的な研究を提唱し、手話の言語分析に関する将来の研究を基盤にしている。
  論文  参考訳（メタデータ） (2022-02-07T11:54:07Z)
• Bias in Automated Speaker Recognition [0.0]
  自動話者認識における話者検証,音声バイオメトリック,コアタスクの機械学習開発ワークフローにおけるバイアスについて検討する。 我々は、よく知られたVoxCeleb Speaker Recognition Challengeにおいて、すべての発達段階にバイアスが存在することを示す。 影響を受けたのは女性話者と非米国国籍で、パフォーマンスが著しく低下している。
  論文  参考訳（メタデータ） (2022-01-24T06:48:57Z)
• All You Need In Sign Language Production [50.3955314892191]
  言語認識と生産のサインは、いくつかの重要な課題に対処する必要があります。 本稿では,難聴文化,難聴センター,手話の心理的視点について紹介する。 また、SLPのバックボーンアーキテクチャや手法を簡潔に紹介し、SLPの分類について提案する。
  論文  参考訳（メタデータ） (2022-01-05T13:45:09Z)
• Crossing the Conversational Chasm: A Primer on Multilingual Task-Oriented Dialogue Systems [51.328224222640614]
  大規模な学習済みニューラルネットワークモデルに基づく最新のTODモデルは、データ空腹です。 ToDのユースケースのデータ取得は高価で面倒だ。
  論文  参考訳（メタデータ） (2021-04-17T15:19:56Z)
• Exploiting Cross-Lingual Knowledge in Unsupervised Acoustic Modeling for Low-Resource Languages [14.297371692669545]
  ゼロリソースシナリオにおける自動音声認識(ASR)のための教師なし音響モデリング(UAM) 第一の問題は、与えられた言語における基本的な(サブワードレベルの)音声ユニットの教師なし発見に関するものである。 第二の問題は教師なしサブワードモデリング(unsupervised subword modeling)と呼ばれる。
  論文  参考訳（メタデータ） (2020-07-29T19:45:17Z)

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。