Fugu-MT 論文翻訳(概要): A Social Outcomes and Priorities centered (SOP) Framework for AI policy

論文の概要: A Social Outcomes and Priorities centered (SOP) Framework for AI policy

arxiv url: http://arxiv.org/abs/2411.08241v1
Date: Tue, 12 Nov 2024 23:32:21 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-14 16:12:08.567205
Title: A Social Outcomes and Priorities centered (SOP) Framework for AI policy
Title（参考訳）: AI政策のためのソーシャルアウトカムとプライオリティ(SOP)フレームワーク
Authors: Mohak Shah,
Abstract要約: AIの急速な開発は、堅牢なガードレールとリスク封じ込め計画を構築する必要がある。現在の技術中心のアプローチは、断片化され、反応性があり、非効率な政策装置を生み出した。本稿では、包括的で一貫性のある、前向きなAIポリシーを開発するために、社会中心のアプローチに即時かつ緊急に転換する必要があることを強調する。
参考スコア（独自算出の注目度）: 3.268592274944561
License:
Abstract: Rapid developments in AI and its adoption across various domains have necessitated a need to build robust guardrails and risk containment plans while ensuring equitable benefits for the betterment of society. The current technology-centered approach has resulted in a fragmented, reactive, and ineffective policy apparatus. This paper highlights the immediate and urgent need to pivot to a society-centered approach to develop comprehensive, coherent, forward-looking AI policy. To this end, we present a Social Outcomes and Priorities centered (SOP) framework for AI policy along with proposals on implementation of its various components. While the SOP framework is presented from a US-centric view, the takeaways are general and applicable globally.
Abstract（参考訳）: AIの急速な発展と、その様々な領域における採用は、社会の改善に公平な利益を確保しつつ、堅牢なガードレールとリスク封じ込め計画を構築する必要がある。現在の技術中心のアプローチは、断片化され、反応性があり、非効率な政策装置を生み出した。本稿では、包括的で一貫性のある、前向きなAIポリシーを開発するために、社会中心のアプローチに即時かつ緊急に転換する必要があることを強調する。この目的のために,AI政策のためのSOP(Social Outcomes and Priorities)フレームワークと,その各種コンポーネントの実装に関する提案を紹介する。 SOPフレームワークは米国中心の視点で紹介されているが、離陸は一般的であり、世界中で適用可能である。

関連論文リスト

Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。 SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
論文参考訳（メタデータ） (2024-04-20T11:07:29Z)
Quantifying AI Vulnerabilities: A Synthesis of Complexity, Dynamical Systems, and Game Theory [0.0]
システム複雑度指数(SCI)、Lyapunov Exponent for AI stability(LEAIS)、Nash Equilibrium Robustness(NER)の3つの指標を導入する新しいアプローチを提案する。 SCIはAIシステムの固有の複雑さを定量化し、LEAISはその安定性と摂動に対する感受性を捉え、NERは敵の操作に対する戦略的堅牢性を評価する。
論文参考訳（メタデータ） (2024-04-07T07:05:59Z)
Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
汎用AIは、一般大衆がAIを使用してそのパワーを利用するための障壁を下げたようだ。本稿では,AI利用事例とその影響を推測し,評価するためのフレームワークであるPartICIP-AIを紹介する。
論文参考訳（メタデータ） (2024-03-21T19:12:37Z)
Social Environment Design [39.324202132624215]
ソーシャル環境デザイン(Social Environment Design)は、AIを自動ポリシー作成に使用する一般的なフレームワークである。このフレームワークは、一般的な経済環境を捉え、政策目標に関する投票を含め、AIシミュレーションを通じて政府と経済政策を体系的に分析するための方向性を提供する。
論文参考訳（メタデータ） (2024-02-21T19:29:14Z)
Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文参考訳（メタデータ） (2024-01-13T14:07:09Z)
Managing extreme AI risks amid rapid progress [171.05448842016125]
我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
論文参考訳（メタデータ） (2023-10-26T17:59:06Z)
Recentering Validity Considerations through Early-Stage Deliberations Around AI and Policy Design [20.158252022235104]
増え続ける研究機関は、AIシステム設計の有効性に関する調査を拡大するよう求めている。現実の環境では、関連する組織および公開ポリシーの設計を考慮せずに、AIツールの有効性に関する質問に完全に対処することができないことが多い。
論文参考訳（メタデータ） (2023-03-26T01:50:40Z)
A multidomain relational framework to guide institutional AI research and adoption [0.0]
我々は、AIを採用することの意味を理解することを目的とした研究努力が、ほんの一握りのアイデアだけを優先する傾向があると論じている。本稿では,フィールド間の用語を整理する概念的枠組みとして,シンプルなポリシーと研究設計ツールを提案する。
論文参考訳（メタデータ） (2023-03-17T16:33:01Z)
Fairness in Agreement With European Values: An Interdisciplinary Perspective on AI Regulation [61.77881142275982]
この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
論文参考訳（メタデータ） (2022-06-08T12:32:08Z)
Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文参考訳（メタデータ） (2021-08-06T01:30:41Z)
Envisioning Communities: A Participatory Approach Towards AI for Social Good [10.504838259488844]
社会的善のためのAIは、AIシステムが影響するコミュニティによって評価されるべきである、と我々は主張する。社会的良き研究のためのAIの設計と実装のための参加型アプローチと、その能力のアプローチがどのように一致するかを示す。
論文参考訳（メタデータ） (2021-05-04T21:40:04Z)

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。