論文の概要: My Voice, Your Voice, Our Voice: Attitudes Towards Collective Governance of a Choral AI Dataset
- arxiv url: http://arxiv.org/abs/2412.01433v1
- Date: Mon, 02 Dec 2024 12:14:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:48:08.667173
- Title: My Voice, Your Voice, Our Voice: Attitudes Towards Collective Governance of a Choral AI Dataset
- Title（参考訳）: 私の声、あなたの声、私たちの声:合唱AIデータセットの集合的ガバナンスに向けた態度
- Authors: Jennifer Ding, Eva Jäger, Victoria Ivanova, Mercedes Bunz,
- Abstract要約: 15人の英国聖歌隊と共に、共同で作成したChoral AIデータセットのボトムアップデータガバナンスの機会を探る。
データを使用してトレーニングされた生成AIモデルに対する合唱的態度の調査によってガイドされた私たちは、オプトインを越えてオプトアウトする権限を持ったガバナンス構造を構築する機会を探ります。
私たちの発見が、データガバナンスのプラクティスを進化させ、生成的AIエコシステムにおける芸術コミュニティの創造的で強力な未来を形作る努力に貢献できることを願っています。
- 参考スコア（独自算出の注目度）: 0.06776857474395312
- License:
- Abstract: Data grows in value when joined and combined; likewise the power of voice grows in ensemble. With 15 UK choirs, we explore opportunities for bottom-up data governance of a jointly created Choral AI Dataset. Guided by a survey of chorister attitudes towards generative AI models trained using their data, we explore opportunities to create empowering governance structures that go beyond opt in and opt out. We test the development of novel mechanisms such as a Trusted Data Intermediary (TDI) to enable governance of the dataset amongst the choirs and AI developers. We hope our findings can contribute to growing efforts to advance collective data governance practices and shape a more creative, empowering future for arts communities in the generative AI ecosystem.
- Abstract（参考訳）: データの結合と結合は価値が増し、同様に音声のパワーはアンサンブルで増大する。
15人の英国聖歌隊と共に、共同で作成したChoral AI Datasetのボトムアップデータガバナンスの機会を探る。
データを使用してトレーニングされた生成AIモデルに対する合唱的態度の調査によってガイドされた私たちは、オプトインを越えてオプトアウトする権限を持ったガバナンス構造を構築する機会を探ります。
我々は、合唱団とAI開発者の間でデータセットのガバナンスを可能にするために、TDI(Trusted Data Intermediary)のような新しいメカニズムの開発をテストする。
私たちの発見が、データガバナンスのプラクティスを進化させ、生成的AIエコシステムにおける芸術コミュニティの創造的で強力な未来を形作る努力に貢献できることを願っています。
関連論文リスト
- Generative AI like ChatGPT in Blockchain Federated Learning: use cases, opportunities and future [4.497001527881303]
本研究は、フェデレーション学習における生成AIの潜在的な統合について検討する。
GAN(generative adversarial Network)とVAE(variantal autoencoder)
合成データの生成は、限られたデータ可用性に関連する課題に、フェデレートされた学習を支援する。
論文 参考訳（メタデータ） (2024-07-25T19:43:49Z) - 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) - Data Equity: Foundational Concepts for Generative AI [0.0]
GenAIは、デジタルとソーシャルのイノベーションを促進する大きな可能性を約束する。
GenAIは、技術へのアクセスと利用を民主化する可能性がある。
しかし、未確認のままでは、不平等が深まる可能性がある。
論文 参考訳（メタデータ） (2023-10-27T05:19:31Z) - 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) - DECORAIT -- DECentralized Opt-in/out Registry for AI Training [20.683704089165406]
私たちは、コンテンツクリエーターがAIトレーニングをオプトインまたはアウトする権利を主張できる分散レジストリであるDECORAITを紹介します。
GenAIは、公開ソースから抽出された大量のデータに基づいてトレーニングされたAIモデルを使用して、画像の合成を可能にする。
論文 参考訳（メタデータ） (2023-09-25T16:19:35Z) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳（メタデータ） (2023-07-14T04:13:11Z) - Data-centric Artificial Intelligence: A Survey [47.24049907785989]
近年、AIにおけるデータの役割は大幅に拡大し、データ中心AIという新たな概念が生まれた。
本稿では,データ中心型AIの必要性について論じ,続いて3つの一般的なデータ中心型目標の全体像を考察する。
これは、データライフサイクルのさまざまな段階にわたるタスクのグローバルなビューを提供する、初めての総合的な調査である、と私たちは信じています。
論文 参考訳（メタデータ） (2023-03-17T17:44:56Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳（メタデータ） (2023-03-07T20:36:13Z) - Data-centric AI: Perspectives and Challenges [51.70828802140165]
データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。
データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
論文 参考訳（メタデータ） (2023-01-12T05:28:59Z)
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。