論文の概要: The Case for Globalizing Fairness: A Mixed Methods Study on Colonialism,
AI, and Health in Africa
- arxiv url: http://arxiv.org/abs/2403.03357v1
- Date: Tue, 5 Mar 2024 22:54:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 16:44:43.972488
- Title: The Case for Globalizing Fairness: A Mixed Methods Study on Colonialism,
AI, and Health in Africa
- Title（参考訳）: フェアネスのグローバル化--アフリカにおける植民地主義、AI、健康に関する混合研究
- Authors: Mercy Asiedu, Awa Dieng, Alexander Haykel, Negar Rostamzadeh, Stephen
Pfohl, Chirag Nagpal, Maria Nagawa, Abigail Oppong, Sanmi Koyejo, Katherine
Heller
- Abstract要約: 我々は,アフリカにおける公平性を考慮した不均質の軸を提案するために,スコーピングレビューを実施している。
次に,一般人口調査参加者672名と,ML,健康,政策の専門家28名と質的研究を行った。
我々の分析は、関心の属性として植民地主義に焦点を当て、人工知能(AI)、健康、植民地主義の相互作用を調べる。
- 参考スコア（独自算出の注目度）: 50.458329101854595
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With growing application of machine learning (ML) technologies in healthcare,
there have been calls for developing techniques to understand and mitigate
biases these systems may exhibit. Fair-ness considerations in the development
of ML-based solutions for health have particular implications for Africa, which
already faces inequitable power imbalances between the Global North and
South.This paper seeks to explore fairness for global health, with Africa as a
case study. We conduct a scoping review to propose axes of disparities for
fairness consideration in the African context and delineate where they may come
into play in different ML-enabled medical modalities. We then conduct
qualitative research studies with 672 general population study participants and
28 experts inML, health, and policy focused on Africa to obtain corroborative
evidence on the proposed axes of disparities. Our analysis focuses on
colonialism as the attribute of interest and examines the interplay between
artificial intelligence (AI), health, and colonialism. Among the pre-identified
attributes, we found that colonial history, country of origin, and national
income level were specific axes of disparities that participants believed would
cause an AI system to be biased.However, there was also divergence of opinion
between experts and general population participants. Whereas experts generally
expressed a shared view about the relevance of colonial history for the
development and implementation of AI technologies in Africa, the majority of
the general population participants surveyed did not think there was a direct
link between AI and colonialism. Based on these findings, we provide practical
recommendations for developing fairness-aware ML solutions for health in
Africa.
- Abstract（参考訳）: 医療分野における機械学習(ML)技術の普及に伴い、これらのシステムが示すバイアスを理解し緩和する技術の開発が求められている。
健康のためのMLベースのソリューション開発における公平性の考慮は、アフリカに特に影響を及ぼす。この論文は、アフリカをケーススタディとして、世界の健康に対する公平性を探究することを目的としている。
我々は,アフリカにおけるフェアネスを考慮した不均一性の軸の提案と,それらがML対応の異なる医療モダリティでどのような役割を果たすのかを,スコーピングレビューにより検討する。
次に,アフリカを対象とする一般人口調査参加者672人と,ML,健康,政策の専門家28人との質的研究を行い,格差の軸に関する確証的証拠を得た。
我々の分析は、関心の属性として植民地主義に焦点を当て、人工知能(AI)、健康、植民地主義の相互作用を調べる。
事前に特定された属性のうち、植民地の歴史、起源の国、国民所得のレベルは、参加者がAIシステムに偏見をもたらすと信じている格差の特定の軸であり、しかしながら、専門家と一般人口の意見の相違も見られた。
専門家は一般的に、アフリカにおけるAI技術の発展と実装に関する植民地史の関連性について共通の見解を表明したが、調査対象者の大多数は、AIと植民地主義に直接関連があるとは考えていなかった。
これらの知見に基づき,アフリカにおける健康のための公平なMLソリューション開発のための実践的提言を行った。
関連論文リスト
- Nteasee: A mixed methods study of expert and general population perspectives on deploying AI for health in African countries [5.554587779732823]
我々は、アフリカでAIを健康にデプロイする際に、ベストプラクティス、公正度指標、潜在的なバイアスを緩和するための質的研究を行う。
詳細な面接(IDI)と調査を組み合わせた混合手法を用いる。
アフリカ5カ国672人の一般住民を対象に, 盲目30分間のアンケート調査を行った。
論文 参考訳（メタデータ） (2024-09-04T13:56:49Z) - Artificial Intelligence for Public Health Surveillance in Africa: Applications and Opportunities [0.0]
本稿では、大陸の公衆衛生監視におけるAIの適用について検討する。
我々の論文は、AIが病気のモニタリングと健康状態を改善する可能性を強調している。
アフリカの公衆衛生システムにAIが広く採用されるには、大きな障壁が指摘されている。
論文 参考訳（メタデータ） (2024-08-05T15:48:51Z) - An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems [49.1574468325115]
我々は、すでに人権がデータ利用の分野で決定を下していることを示している。
本研究は人権影響評価(HRIA)の方法論とモデルである。
提案手法は,具体的ケーススタディで検証し,その有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-07-30T16:27:52Z) - The Impossibility of Fair LLMs [59.424918263776284]
大規模言語モデル(LLM)の時代において、公正なAIの必要性はますます明確になっている。
我々は、機械学習研究者が公正性を評価するために使った技術フレームワークについてレビューする。
我々は、特定のユースケースにおける公平性を達成するためのより現実的な目標のためのガイドラインを策定する。
論文 参考訳（メタデータ） (2024-05-28T04:36:15Z) - Case Studies of AI Policy Development in Africa [1.3194391758295114]
人工知能(AI)は、アフリカ諸国の国家技術利用と戦略を評価する新しい方法を必要とする。
我々は、既存のグローバルな準備性評価は、AIの準備性におけるアフリカの国家の進歩を完全には捉えていないと結論づける。
論文 参考訳（メタデータ） (2024-02-29T19:17:11Z) - What We Know So Far: Artificial Intelligence in African Healthcare [0.0]
医療に応用される人工知能(AI)は、アフリカの医療を変革する可能性がある。
本稿では、AIアルゴリズムを用いて診断、治療、疾病モニタリングを改善する方法について、現状を概説する。
持続可能なAIソリューションを作成するためには、政府、民間セクター、医療提供者、国際機関による協調的な努力が必要である。
論文 参考訳（メタデータ） (2023-05-10T19:27:40Z) - 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) - Globalizing Fairness Attributes in Machine Learning: A Case Study on
Health in Africa [8.566023181495929]
フェアネスは、アフリカにおける世界的な健康に影響を及ぼすが、既にグローバル・ノースとサウスの間には不平等な権力不均衡がある。
本稿では,アフリカの文脈で考慮すべき公平性属性を提案し,それらがML対応の異なる医療モダリティでどのような役割を果たすのかを明記する。
論文 参考訳（メタデータ） (2023-04-05T02:10:53Z) - 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) - Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。
アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。
マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
論文 参考訳（メタデータ） (2022-07-21T09:35:38Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳（メタデータ） (2022-06-29T04:32:10Z)
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。