論文の概要: The Impact of Machine Learning on Society: An Analysis of Current Trends and Future Implications
- arxiv url: http://arxiv.org/abs/2404.10204v1
- Date: Tue, 16 Apr 2024 01:10:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 18:31:57.285197
- Title: The Impact of Machine Learning on Society: An Analysis of Current Trends and Future Implications
- Title(参考訳): 機械学習が社会に与える影響:現状と今後の展望
- Authors: Md Kamrul Hossain Siam, Manidipa Bhattacharjee, Shakik Mahmud, Md. Saem Sarkar, Md. Masud Rana,
- Abstract要約: 本研究は,機械学習が社会に与える影響を包括的に分析することを目的とした。
この調査には、MLの経済的影響、倫理的・プライバシー的影響、およびテクノロジーに対する大衆の認識に関するデータ収集のための、徹底的な文献レビュー、ケーススタディ、調査が含まれていた。
この研究の結果、回答者の大多数はMLの概念に適度な習熟度を持ち、社会に利益をもたらす可能性があると信じ、社会はMLの開発と利用を優先すべきだと回答した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Machine learning (ML) is a rapidly evolving field of technology that has the potential to greatly impact society in a variety of ways. However, there are also concerns about the potential negative effects of ML on society, such as job displacement and privacy issues. This research aimed to conduct a comprehensive analysis of the current and future impact of ML on society. The research included a thorough literature review, case studies, and surveys to gather data on the economic impact of ML, ethical and privacy implications, and public perceptions of the technology. The survey was conducted on 150 respondents from different areas. The case studies conducted were on the impact of ML on healthcare, finance, transportation, and manufacturing. The findings of this research revealed that the majority of respondents have a moderate level of familiarity with the concept of ML, believe that it has the potential to benefit society, and think that society should prioritize the development and use of ML. Based on these findings, it was recommended that more research is conducted on the impact of ML on society, stronger regulations and laws to protect the privacy and rights of individuals when it comes to ML should be developed, transparency and accountability in ML decision-making processes should be increased, and public education and awareness about ML should be enhanced.
- Abstract(参考訳): 機械学習(ML)は急速に発展する技術分野であり、様々な方法で社会に大きな影響を与える可能性がある。
しかし、仕事の移転やプライバシー問題など、MLが社会に悪影響を及ぼす可能性も懸念されている。
本研究は,MLが社会に与える影響を包括的に分析することを目的とした。
この調査には、MLの経済的影響、倫理的・プライバシー的影響、およびテクノロジーに対する大衆の認識に関するデータ収集のための、徹底的な文献レビュー、ケーススタディ、調査が含まれていた。
調査は、異なる地域から150人の回答者を対象に行われた。
その結果,MLが医療,金融,交通,製造業に与える影響について検討した。
この研究の結果、回答者の大多数はMLの概念に適度な習熟度を持ち、社会に利益をもたらす可能性があると信じ、社会はMLの開発と利用を優先すべきだと回答した。
これらの知見に基づき、MLの社会への影響に関するさらなる研究、MLに関する個人のプライバシーと権利を保護するための強力な規制と法律、ML意思決定プロセスにおける透明性と説明責任の向上、MLに関する公共教育と意識の向上が推奨された。
関連論文リスト
- A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。
我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。
これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
論文 参考訳(メタデータ) (2024-05-02T22:43:02Z) - Adversarial Machine Learning for Social Good: Reframing the Adversary as
an Ally [50.92232179802755]
AdvML for Social Good(AdvML4G)は、AdvMLバグを再利用して、プロ社会的なアプリケーションを発明する新興分野である。
本稿では,AdvML4Gの新興分野を包括的に概観する。
論文 参考訳(メタデータ) (2023-10-05T15:49:04Z) - Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。
電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす
安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
論文 参考訳(メタデータ) (2023-08-30T03:29:26Z) - Influence of External Information on Large Language Models Mirrors
Social Cognitive Patterns [51.622612759892775]
社会的認知理論は、人々が他人を観察して知識を習得する方法を説明する。
近年,大規模言語モデル(LLM)の急速な発展を目撃している。
LLMは、AIエージェントとして、その認知と行動を形成する外部情報を観察することができる。
論文 参考訳(メタデータ) (2023-05-08T16:10:18Z) - Addressing contingency in algorithmic (mis)information classification:
Toward a responsible machine learning agenda [0.9659642285903421]
データサイエンティストは、モデルトレーニングとテストに使用される「真実の情報源の客観性、信頼性、正当性」にスタンスを取る必要がある。
彼らの報告された高い正確さと性能にもかかわらず、ML駆動のモデレーションシステムは、オンラインの公開討論を形作り、不正な検閲や偽の信念の強化のような下流のネガティブな影響を生み出す可能性がある。
論文 参考訳(メタデータ) (2022-10-05T17:34:51Z) - Lost in Translation: Reimagining the Machine Learning Life Cycle in
Education [12.802237736747077]
機械学習(ML)技術は、教育においてますます普及している。
ML技術が長年の教育原則と目標をどのように支えているかを調べる必要がある。
本研究では,教育専門家へのインタビューから得られた質的な洞察をもとに,この複雑な景観を考察した。
論文 参考訳(メタデータ) (2022-09-08T17:14:01Z) - REAL ML: Recognizing, Exploring, and Articulating Limitations of Machine
Learning Research [19.71032778307425]
制限に関する透明性は、研究の厳格さを改善し、研究結果の適切な解釈を確実にし、研究の主張をより信頼できるものにするのに役立つ。
これらの利点にもかかわらず、機械学習(ML)研究コミュニティは、制限の開示と議論に関して、十分に発達した規範を欠いている。
機械学習の研究者が研究の限界を認識し、探索し、明確化するのに役立つ一連のガイド付きアクティビティであるREAL MLを開発するために、30人のMLおよびML隣接研究者による反復的な設計プロセスを実行します。
論文 参考訳(メタデータ) (2022-05-05T15:32:45Z) - Machine learning in the social and health sciences [0.8681909776958184]
本稿では、社会・健康科学における研究課題のメタマッピングを機械学習の適切なアプローチに適用する。
確立された分類を、一般的な研究目標に記述、予測、因果推論にマッピングする。
論文 参考訳(メタデータ) (2021-06-20T15:48:45Z) - Understanding the Usability Challenges of Machine Learning In
High-Stakes Decision Making [67.72855777115772]
機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。
多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。
児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
論文 参考訳(メタデータ) (2021-03-02T22:50:45Z) - On the Morality of Artificial Intelligence [154.69452301122175]
本稿では,機械学習の研究・展開に関する概念的かつ実践的な原則とガイドラインを提案する。
我々は,より倫理的で道徳的なMLの実践を追求するために,実践者が採る具体的な行動を主張している。
論文 参考訳(メタデータ) (2019-12-26T23:06:54Z)
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。