論文の概要: Why Algorithms Remain Unjust: Power Structures Surrounding Algorithmic Activity

• arxiv url: http://arxiv.org/abs/2405.18461v2
• Date: Mon, 09 Dec 2024 02:29:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:51:30.744924
• Title: Why Algorithms Remain Unjust: Power Structures Surrounding Algorithmic Activity
• Title（参考訳）: アルゴリズムが不当なまま残る理由:アルゴリズム活動にまつわる電力構造
• Authors: Andrew Balch,
• Abstract要約: 改革派はアルゴリズムを取り巻く電力構造を無視しているため、アルゴリズムの不正を抑えることができない。 私はエリック・オリン・ライト(Erik Olin Wright)によって開発されたフレームワークを使って、周囲のアルゴリズムシステムの構成を調べます。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Algorithms are unavoidable in our social lives, yet often perpetuate social injustices. The popular means of addressing this is through algorithmic reformism: fine-tuning algorithms themselves to be more fair, accountable, and transparent. However, reformism fails to curtail algorithmic injustice because it ignores the power structure surrounding algorithms. Heeding calls from critical algorithm studies, I employ a framework developed by Erik Olin Wright to examine the configuration of power surrounding algorithmic systems in society (Algorithmic Activity). Algorithmic Activity is unjust because it is dominated by economic power. To create socially just Algorithmic Activity, the power configuration must instead empower end users. I explore Wright's symbiotic, interstitial, and raptural transformations in the context of just Algorithmic Activity. My vision for social justice in algorithmic systems requires a continuous (re)evaluation of how power can be transformed in light of current structure, social theories, evolving methodologies, and one's relationship to power itself.
• Abstract（参考訳）: アルゴリズムは私たちの社会生活では避けられないが、しばしば社会的不正を永続させる。 この問題に対処する一般的な手段は、アルゴリズムの改革である。 しかし、アルゴリズムを取り巻くパワー構造を無視しているため、改革派はアルゴリズムの不正を緩和することができない。 批判的アルゴリズム研究の呼び方から、私はエリック・オリン・ライト(Erik Olin Wright)によって開発されたフレームワークを用いて、社会におけるアルゴリズムシステムを取り巻くパワーの構成(アルゴリトミック・アクティビティ(Algorithmic Activity))を調べます。 アルゴリズム活動は経済力に支配されているため不公平である。 社会的にただのアルゴリズムアクティビティを作成するには、代わりにパワー設定がエンドユーザに権限を与える必要があります。 私はただのアルゴリズム的活動という文脈で、ライトの共生的、間質的、およびラプチュラルな変換を探求する。 アルゴリズムシステムにおける社会正義に対する私のビジョンは、現在の構造、社会理論、進化する方法論、権力そのものとの関係から、権力がどのように変容するかを継続的に(再)評価する必要があります。

関連論文リスト

• Mathematical Algorithm Design for Deep Learning under Societal and Judicial Constraints: The Algorithmic Transparency Requirement [65.26723285209853]
  計算モデルにおける透過的な実装が実現可能かどうかを分析するための枠組みを導出する。 以上の結果から,Blum-Shub-Smale Machinesは,逆問題に対する信頼性の高い解法を確立できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-01-18T15:32:38Z)
• Generalized quantum Arimoto-Blahut algorithm and its application to quantum information bottleneck [55.22418739014892]
  量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。 3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。 数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-19T00:06:11Z)
• Algorithms, Incentives, and Democracy [0.0]
  アルゴリズム設計者による最適分類が集団の行動分布にどのように影響するかを示す。 次に、報酬と罰、または利害関係をアルゴリズム分類に民主化する効果を見て、社会が捕食的分類をいかに生み出すか(または促進するか)を検討する。
  論文  参考訳（メタデータ） (2023-07-05T14:22:01Z)
• Algorithmic neutrality [0.0]
  私はアルゴリズム中立性について調査し、3つの疑問に対処する: アルゴリズム中立性とは何か? そして、それを念頭に置いておくと、アルゴリズムバイアスについて何を学ぶことができるのか?
  論文  参考訳（メタデータ） (2023-03-09T08:23:56Z)
• RMBench: Benchmarking Deep Reinforcement Learning for Robotic Manipulator Control [47.61691569074207]
  強化学習は、高次元の感覚入力から実際の複雑なタスクを解決するために応用される。 生の知覚信号表現における深層学習の最近の進歩 ロボット操作のための最初のベンチマークであるRMBenchを紹介する。
  論文  参考訳（メタデータ） (2022-10-20T13:34:26Z)
• Tree-Based Adaptive Model Learning [62.997667081978825]
  我々はKearns-Vazirani学習アルゴリズムを拡張し、時間とともに変化するシステムを扱う。 本稿では,学習前の動作を再利用し,更新し,LearnerLibライブラリに実装し,大規模な実例で評価する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-31T21:24:22Z)
• The Algorithmic Imprint [15.273400795479223]
  アルゴリズムを単に取り除くだけでは必ずしもその結果が失われたり緩和されるとは限らないことを示すために、"アルゴリズムのインプリント"の概念を紹介します。 本研究は,学生,教師,両親の生活を形作る社会技術基盤のアルゴリズム的インプリントを解き放たなかったかを示す。 バングラデシュのケーススタディでは、グローバル・ノースで作られたアルゴリズムが、グローバル・サウスの利害関係者にいかに不公平に影響を及ぼすかを説明しています。
  論文  参考訳（メタデータ） (2022-06-03T15:44:44Z)
• An Approach for Automatic Construction of an Algorithmic Knowledge Graph from Textual Resources [3.723553383515688]
  本稿では,非構造化データからアルゴリズム問題の知識グラフを自動的に作成する手法を提案する。 アルゴリズムKGは、アルゴリズムメタデータに追加のコンテキストと説明可能性を与える。
  論文  参考訳（メタデータ） (2022-05-13T18:59:23Z)
• How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
  我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。 9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。 我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
  論文  参考訳（メタデータ） (2021-10-26T22:14:47Z)
• Evolving Reinforcement Learning Algorithms [186.62294652057062]
  メタラーニング強化学習アルゴリズムの手法を提案する。 学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。 従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
  論文  参考訳（メタデータ） (2021-01-08T18:55:07Z)
• Mastering Rate based Curriculum Learning [78.45222238426246]
  学習の進行という概念には、学習者のサンプル効率の低下につながるいくつかの欠点があると主張する。 本稿では,習得率の概念に基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-14T16:34:01Z)

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。