論文の概要: Making Data: The Work Behind Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2410.03694v1
• Date: Mon, 23 Sep 2024 08:12:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 20:38:13.007556
• Title: Making Data: The Work Behind Artificial Intelligence
• Title（参考訳）: データを作る:人工知能の裏にある仕事
• Authors: Matheus Viana Braz, Paola Tubaro, Antonio A. Casilli,
• Abstract要約: 本稿では,ブラジルにおけるマイクロワークの実態を報告し,労働者の肖像画を提供する。 これは、現状の不安定化を克服するための、より広範な努力の一歩である。
• 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: AI generates both enthusiasm and disillusionment, with promises that often go unfulfilled. It is therefore not surprising that human labor, which is its fundamental component, is also subject to these same deceptions. The development of "smart technologies" depends, at different stages, on a multitude of precarious, underpaid and invisible workers, who, dispersed globally, carry out repetitive, fragmented activities, paid per task and completed in a few seconds. These are workers who label data to train algorithms, through tasks that require the intuitive, creative and cognitive abilities of human beings, such as categorizing images, classifying advertisements, transcribing audio and video, evaluating advertisements, moderating content on social media, labeling human anatomical points of interest, digitizing documents, etc. This form of work is often referred to as "microwork". Our contribution, which documents the conditions of microwork in Brazil and offers portraits of the workers, is a step in the wider effort to overcome the current state of invisibilization. It opens up avenues for future research, with the aim of better characterizing this new form of work, tracing its changes over time in relation to the dynamics of globalization and, ideally, identifying levers for action and transitions.
• Abstract（参考訳）: AIは熱意と幻滅の両方を生み出す。 したがって、その根本的構成要素である人的労働も、同様の騙しの対象となっていることは、驚くにあたらない。 スマート技術」の開発は、様々な段階において、無給で無給の多くの労働者に依存し、彼らは世界中に分散し、繰り返し、断片化された活動を行い、タスクごとに支払い、数秒で完了した。 それらは、画像の分類、広告の分類、音声とビデオの翻訳、広告の評価、ソーシャルメディア上のコンテンツのモデレート、人間の解剖学的関心点のラベル付け、文書のデジタル化など、人間の直感的で創造的で認知的な能力を必要とするタスクを通じて、アルゴリズムをトレーニングするためにデータをラベル付けする労働者である。 この形式は、しばしば「マイクロワーク」と呼ばれる。 私たちの貢献はブラジルのマイクロワークの状況を文書化し、労働者の肖像画を提供しています。 将来的な研究の道を開き、この新しい形式の作業をより正確に表現し、グローバル化のダイナミクスと時間の経過とともに変化を追跡し、理想的にはアクションとトランジションのレバーを識別することを目的としている。

関連論文リスト

• Analyzing the Evolution of Graphs and Texts [4.873362301533825]
  論文は、グラフのダイナミクスを効率的にモデル化し、テキストの変化を理解することを目的としている。 我々は、パーソナライズされたPageRankアルゴリズムを用いて、グラフの進化に有効な動的ネットワーク埋め込みを作成する。
  論文  参考訳（メタデータ） (2024-11-09T21:39:41Z)
• Digital Labor and the Inconspicuous Production of Artificial Intelligence [0.0]
  デジタルプラットフォームは、しばしばカジュアルな活動や消費として欠かせない貢献をしている。 AI開発において重要な役割を担っているにもかかわらず、こうしたタスクは認識されず、過小評価され続けている。 この章は、デジタル経済におけるこれらの活動の体系的非評価を明らかにする。
  論文  参考訳（メタデータ） (2024-10-08T11:07:42Z)
• Self-Explainable Affordance Learning with Embodied Caption [63.88435741872204]
  具体的キャプションを具現化したSelf-Explainable Affordance Learning (SEA)を紹介する。 SEAは、ロボットが意図を明確に表現し、説明可能な視覚言語キャプションと視覚能力学習のギャップを埋めることを可能にする。 本稿では, 簡便かつ効率的な方法で, 空き地と自己説明を効果的に組み合わせた新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:22:38Z)
• Human-oriented Representation Learning for Robotic Manipulation [64.59499047836637]
  人間は本質的に、操作作業において環境を効率的に探索し、相互作用することを可能にする、一般化可能な視覚表現を持っている。 我々は、このアイデアを、事前訓練された視覚エンコーダの上に、人間指向のマルチタスク微調整のレンズを通してフォーマル化する。 我々のタスクフュージョンデコーダは、下流操作ポリシー学習のための最先端の3つのビジュアルエンコーダの表現を一貫して改善する。
  論文  参考訳（メタデータ） (2023-10-04T17:59:38Z)
• RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in One-Shot [56.130215236125224]
  オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。 単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。 本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
  論文  参考訳（メタデータ） (2023-07-02T15:33:31Z)
• WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
  我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。 そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T12:25:21Z)
• SKID RAW: Skill Discovery from Raw Trajectories [23.871402375721285]
  すべてのスキルではなく、完全なタスクの実行を示すことが望ましい。 軌跡を反復パターンに分割することを同時に学習する新しい手法を提案する。 このアプローチは、スキルのシーケンスを理解するのに使用できるスキルコンディショニングを学習する。
  論文  参考訳（メタデータ） (2021-03-26T17:27:13Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)

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。