論文の概要: Speciesism in Natural Language Processing Research

• arxiv url: http://arxiv.org/abs/2410.14194v1
• Date: Fri, 18 Oct 2024 06:09:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:27:06.795560
• Title: Speciesism in Natural Language Processing Research
• Title（参考訳）: 自然言語処理研究における種族主義
• Authors: Masashi Takeshita, Rafal Rzepka,
• Abstract要約: 本研究の目的は、NLP研究において、種族主義、すなわち非ヒト動物に対する差別が存在するかどうかを検討することである。 本研究の結果は,それぞれ研究者,データ,モデルに種分化が存在することを示唆している。 具体的には、(a)NLP研究者のうち、(a)AIで社会バイアスを研究する者でさえ、(b)NLPデータの中で、(c)OpenAI GPT、(c)NLPモデル、最近のNLPモデルを評価するために使用されるデータセットに注釈付けされたデータに種主義バイアスが固有のものであることを示している。
• 参考スコア（独自算出の注目度）: 3.1077024712075794
• License:
• Abstract: Natural Language Processing (NLP) research on AI Safety and social bias in AI has focused on safety for humans and social bias against human minorities. However, some AI ethicists have argued that the moral significance of nonhuman animals has been ignored in AI research. Therefore, the purpose of this study is to investigate whether there is speciesism, i.e., discrimination against nonhuman animals, in NLP research. First, we explain why nonhuman animals are relevant in NLP research. Next, we survey the findings of existing research on speciesism in NLP researchers, data, and models and further investigate this problem in this study. The findings of this study suggest that speciesism exists within researchers, data, and models, respectively. Specifically, our survey and experiments show that (a) among NLP researchers, even those who study social bias in AI, do not recognize speciesism or speciesist bias; (b) among NLP data, speciesist bias is inherent in the data annotated in the datasets used to evaluate NLP models; (c) OpenAI GPTs, recent NLP models, exhibit speciesist bias by default. Finally, we discuss how we can reduce speciesism in NLP research.
• Abstract（参考訳）: AIの安全性と社会的バイアスに関する自然言語処理(NLP)の研究は、人間の安全と人間のマイノリティに対する社会的バイアスに焦点を当てている。 しかし、AI倫理学者の中には、非人間的な動物の道徳的重要性はAI研究で無視されていると主張する者もいる。 本研究の目的は,NLP研究において,非ヒト動物に対する差別という種族主義が存在するかどうかを検討することである。 まず,非ヒト動物がNLP研究に関係している理由を説明する。 次に,NLP研究者,データ,モデルにおける既存の種学研究の成果を調査し,本研究の問題点をさらに調査する。 本研究の結果は,それぞれ研究者,データ,モデルに種分化が存在することを示唆している。 特に我々の調査と実験は (a)NLP研究者のうち、AIにおける社会的偏見を研究する者でさえ、種格主義や種格主義的偏見を認めていない。 b) NLPデータのうち,NLPモデルの評価に用いられるデータセットに注釈付けされたデータには,種族バイアスが固有のものである。 (c) OpenAI GPT, 最近のNLPモデルでは, 既定で種主義バイアスを示す。 最後に,NLP研究における種多様性の低減について論じる。

関連論文リスト

• Human Bias in the Face of AI: The Role of Human Judgement in AI Generated Text Evaluation [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
  我々は,NLP研究を構成するものについて,研究論文から定量的に検討する。 以上の結果から,NLPにおける機械学習の関与は,90年代前半から増加傾向にあることが明らかとなった。 2020年以降、言語と人々への関心が復活した。
  論文  参考訳（メタデータ） (2024-09-29T01:29:28Z)
• A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
  本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。 我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。 我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-22T11:08:00Z)
• On the Origins of Bias in NLP through the Lens of the Jim Code [1.256413718364189]
  我々は、現在の自然言語処理(NLP)モデルにおけるバイアスを、過去500年間の人種差別、性差別、ホモフォビアの起源にまで遡る。 NLPパイプラインのバイアスの原因が社会問題にどのように根ざしているかを示す。
  論文  参考訳（メタデータ） (2023-05-16T08:37:13Z)
• Beyond Good Intentions: Reporting the Research Landscape of NLP for Social Good [115.1507728564964]
  NLP4SG Papersは3つのタスクを関連づけた科学データセットである。 これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。 現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
  論文  参考訳（メタデータ） (2023-05-09T14:16:25Z)
• Missing Information, Unresponsive Authors, Experimental Flaws: The Impossibility of Assessing the Reproducibility of Previous Human Evaluations in NLP [84.08476873280644]
  13%の論文は (i) 再生の障壁が十分に低く、 (ii) 再生のために考慮すべき十分な入手可能な情報を持っていた。 その結果,コーディネート・リサーチ・デザインを再現的アプローチから標準化的・再生産的アプローチに変更しなければならなかった。
  論文  参考訳（メタデータ） (2023-05-02T17:46:12Z)
• Square One Bias in NLP: Towards a Multi-Dimensional Exploration of the Research Manifold [88.83876819883653]
  我々は、最近のNLP研究論文のマニュアル分類を通して、これが事実であることを示す。 NLP研究は正方形ではなく、精度だけでなく、公平性や解釈可能性にも焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-20T13:04:23Z)
• Speciesist Language and Nonhuman Animal Bias in English Masked Language Models [14.373699429792687]
  我々は、英語のマスケッド言語モデルに固有の、非ヒトの動物、すなわち種主義者の偏見を分析した。 実験を再現するためのコードはGitHubで公開します。
  論文  参考訳（メタデータ） (2022-03-10T03:32:29Z)
• Speciesist bias in AI -- How AI applications perpetuate discrimination and unfair outcomes against animals [0.0]
  この論文は、"種多様性バイアス"を初めて記述し、いくつかの異なるAIシステムでそれを調査したものである。 これは、AIシステムが動物に影響を及ぼす暴力の増加または減少に影響を及ぼす可能性があることを強調している。
  論文  参考訳（メタデータ） (2022-02-22T12:23:21Z)
• A Survey of Race, Racism, and Anti-Racism in NLP [22.96153444777507]
  人種と言語の間には厳密な結びつきがあるにもかかわらず、NLPの研究と開発において人種を考える研究はほとんどない。 本研究は,人種に言及したACLアンソロジーから79の論文を調査した。 これらの論文は、NLPモデル開発の全段階において、様々な種類のレース関連バイアスを明らかにしている。
  論文  参考訳（メタデータ） (2021-06-21T20:59:06Z)

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。