論文の概要: The Call for Socially Aware Language Technologies

• arxiv url: http://arxiv.org/abs/2405.02411v1
• Date: Fri, 3 May 2024 18:12:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 20:00:04.623192
• Title: The Call for Socially Aware Language Technologies
• Title（参考訳）: 社会的に認識する言語技術
• Authors: Diyi Yang, Dirk Hovy, David Jurgens, Barbara Plank,
• Abstract要約: NLPが機能する社会環境の要因、文脈、意味の認識の欠如である。 我々は、NLPが社会意識を発達させる上で大きな課題が残っており、この分野の新しい時代の始まりであると主張している。
• 参考スコア（独自算出の注目度）: 94.6762219597438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language technologies have made enormous progress, especially with the introduction of large language models (LLMs). On traditional tasks such as machine translation and sentiment analysis, these models perform at near-human level. These advances can, however, exacerbate a variety of issues that models have traditionally struggled with, such as bias, evaluation, and risks. In this position paper, we argue that many of these issues share a common core: a lack of awareness of the factors, context, and implications of the social environment in which NLP operates, which we call social awareness. While NLP is getting better at solving the formal linguistic aspects, limited progress has been made in adding the social awareness required for language applications to work in all situations for all users. Integrating social awareness into NLP models will make applications more natural, helpful, and safe, and will open up new possibilities. Thus we argue that substantial challenges remain for NLP to develop social awareness and that we are just at the beginning of a new era for the field.
• Abstract（参考訳）: 言語技術は特に大規模言語モデル(LLM)の導入によって大きな進歩を遂げた。 機械翻訳や感情分析といった従来のタスクでは、これらのモデルは人間に近いレベルで機能する。 しかし、これらの進歩は、モデルがバイアス、評価、リスクなど、伝統的に苦労してきた様々な問題を悪化させる可能性がある。 本論では,NLPが活動する社会的環境の要因,文脈,含意に対する意識の欠如という,これらの問題の多くは共通のコアを共有していると論じる。 NLPはフォーマルな言語的側面の解決に優れていますが、言語アプリケーションに必要な社会的認識をすべてのユーザのためにすべての状況で機能させるのに限定的な進歩を遂げています。 NLPモデルに社会的認識を統合することで、アプリケーションはより自然で、役に立つ、そして安全になり、新たな可能性を開くだろう。 したがって、NLPが社会意識を発達させる上で大きな課題が残っており、この分野の新しい時代の始まりに過ぎません。

関連論文リスト

• A Capabilities Approach to Studying Bias and Harm in Language Technologies [4.135516576952934]
  我々は、能力アプローチのレンズを通して、言語技術への公平さ、偏見、包摂性を考察する。 能力のアプローチは、人々が達成できるものに集中し、社会的、政治的、経済的文脈を考慮に入れている。 本稿では,機能アプローチ,多言語・多文化的評価との関係,言語技術の有害性の定義と評価において,コミュニティメンバと有意義な協力を得られるか,について詳述する。
  論文  参考訳（メタデータ） (2024-11-06T22:46:13Z)
• 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)
• Social Skill Training with Large Language Models [65.40795606463101]
  人々は紛争解決のような社会的スキルに頼り、効果的にコミュニケーションし、仕事と個人の生活の両方で繁栄する。 本稿では,専門分野に進出する上での社会的スキルの障壁を明らかにする。 本稿では,大規模言語モデルを用いた総合的なフレームワークによるソーシャルスキルトレーニングのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-04-05T16:29:58Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• Systematic Inequalities in Language Technology Performance across the World's Languages [94.65681336393425]
  本稿では,言語技術のグローバルな有用性を評価するためのフレームワークを紹介する。 本分析では, ユーザ対応技術と言語的NLPタスクの両面において, より深く研究されている。
  論文  参考訳（メタデータ） (2021-10-13T14:03:07Z)
• SocialAI: Benchmarking Socio-Cognitive Abilities in Deep Reinforcement Learning Agents [23.719833581321033]
  人間との社会的相互作用に参加することができる、具体化された自律エージェントを構築することは、AIの主要な課題の1つだ。 人間レベルのAIを目指すためには、より広範な社会的スキルが必要である、と私たちは主張する。 DRLエージェントの社会的スキル獲得を評価するためのベンチマークであるSocialAIを提案する。
  論文  参考訳（メタデータ） (2021-07-02T10:39:18Z)
• How Good Is NLP? A Sober Look at NLP Tasks through the Lens of Social Impact [31.435252562175194]
  NLPタスクの直接的および間接的実世界の影響を評価するためのフレームワークを提案する。 我々は、NLP研究の優先要因を特定するために、グローバル優先研究の方法論を採用する。 最後に、我々の理論的枠組みを用いて、今後のNLP研究のための実践的ガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-06-04T09:17:15Z)
• SocialAI 0.1: Towards a Benchmark to Stimulate Research on Socio-Cognitive Abilities in Deep Reinforcement Learning Agents [23.719833581321033]
  人間との社会的相互作用に参加できる体型自律エージェントを構築することは、AIの主要な課題の1つです。 現在のアプローチは、非常に単純で非多様な社会状況におけるコミュニケーションツールとして言語に焦点を当てています。 人間レベルのAIを目指すためには、より広範な社会的スキルが必要であると私たちは主張します。
  論文  参考訳（メタデータ） (2021-04-27T14:16:29Z)
• Experience Grounds Language [185.73483760454454]
  言語理解研究は、言語が記述する物理的世界と、それが促進する社会的相互作用とを関連づけることに失敗している。 テキストだけで訓練された後にタスクに取り組むための言語処理モデルの驚くべき効果にもかかわらず、成功した言語コミュニケーションは世界の共有経験に依存している。
  論文  参考訳（メタデータ） (2020-04-21T16:56:27Z)

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。