論文の概要: Algorithmic Autonomy in Data-Driven AI

• arxiv url: http://arxiv.org/abs/2411.05210v1
• Date: Thu, 07 Nov 2024 22:16:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:54:57.186750
• Title: Algorithmic Autonomy in Data-Driven AI
• Title（参考訳）: データ駆動型AIにおけるアルゴリズム的自律性
• Authors: Ge Wang, Roy Pea,
• Abstract要約: アルゴリズムに絡み合った社会では、私たちの選択は、自動化されたシステムによって常に影響され、形作られています。 この収束は、データ駆動AIの時代における個人の自律性に対する重要な懸念を浮き彫りにする。 我々は、アルゴリズムの自律性の概念を探求し、アルゴリズムが社会に広まる影響に直面して、個人が自律性を持つことの意味を考察する。
• 参考スコア（独自算出の注目度）: 4.479796749093614
• License:
• Abstract: In societies increasingly entangled with algorithms, our choices are constantly influenced and shaped by automated systems. This convergence highlights significant concerns for individual autonomy in the age of data-driven AI. It leads to pressing issues such as data-driven segregation, gaps in accountability for algorithmic decisions, and the infringement on essential human rights and values. Through this article, we introduce and explore the concept of algorithmic autonomy, examining what it means for individuals to have autonomy in the face of the pervasive impact of algorithms on our societies. We begin by outlining the data-driven characteristics of AI and its role in diminishing personal autonomy. We then explore the notion of algorithmic autonomy, drawing on existing research. Finally, we address important considerations, highlighting current challenges and directions for future research.
• Abstract（参考訳）: アルゴリズムに絡み合った社会では、私たちの選択は、自動化されたシステムによって常に影響され、形作られています。 この収束は、データ駆動AIの時代における個人の自律性に対する重要な懸念を浮き彫りにする。 これは、データ駆動の分離、アルゴリズムによる決定に対する説明責任の欠如、本質的な人権と価値に対する侵害といった問題に繋がる。 本稿では,アルゴリズムが社会に広まる影響に直面して,個人が自律性を持つことの意味を考察し,アルゴリズムの自律性の概念を紹介し,考察する。 まず、AIのデータ駆動特性と、個人の自律性を低下させるその役割を概説する。 そして、既存の研究に基づいてアルゴリズムの自律性の概念を探求する。 最後に、今後の研究の課題と方向性を強調し、重要な考慮事項に対処する。

関連論文リスト

• A Measure for Level of Autonomy Based on Observable System Behavior [0.0]
  観測可能な行動を用いて自律性のレベルを予測するための潜在的尺度を提案する。 また,提案手法を取り入れたアルゴリズムを提案する。 この測定とアルゴリズムは、実行時に自律システムを比較する方法に興味のある研究者や実践者にとって重要である。
  論文  参考訳（メタデータ） (2024-07-20T20:34:20Z)
• Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
  本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。 私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
  論文  参考訳（メタデータ） (2024-07-09T04:56:11Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms [0.0]
  この研究は、長年にわたるAI/学習アルゴリズムの使用状況とタイプに関する統計的知見を提示する。 本論文では,トラックおよび自動車の精製アルゴリズムにおけるパラメータの役割について述べる。 結論は、さまざまなレベルの自律性を概説し、AIと学習アルゴリズムの微妙な使用を解明することだ。
  論文  参考訳（メタデータ） (2024-02-27T17:07:18Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• Trust, Accountability, and Autonomy in Knowledge Graph-based AI for Self-determination [1.4305544869388402]
  知識グラフ(KG)は、インテリジェントな意思決定を支えるための基盤として登場した。 KGと神経学習の統合は、現在活発な研究のトピックである。 本稿では,KGベースのAIによる自己決定を支援するための基礎的なトピックと研究の柱を概念化する。
  論文  参考訳（メタデータ） (2023-10-30T12:51:52Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)
• Bias in Data-driven AI Systems -- An Introductory Survey [37.34717604783343]
  この調査は、(大きな)データと強力な機械学習(ML)アルゴリズムによって、AIの大部分は、データ駆動型AIに重点を置いている。 さもなければ、一般的な用語バイアスを使ってデータの収集や処理に関連する問題を説明します。
  論文  参考訳（メタデータ） (2020-01-14T09:39:09Z)

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。