論文の概要: Recommender Systems for Sustainability: Overview and Research Issues

• arxiv url: http://arxiv.org/abs/2412.03620v1
• Date: Wed, 04 Dec 2024 15:03:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:41:36.192880
• Title: Recommender Systems for Sustainability: Overview and Research Issues
• Title（参考訳）: Recommender Systems for Sustainability: Overview and Research Issues
• Authors: Alexander Felfernig, Manfred Wundara, Thi Ngoc Trang Tran, Seda Polat-Erdeniz, Sebastian Lubos, Merfat El-Mansi, Damian Garber, Viet-Man Le,
• Abstract要約: 本稿では,サステナビリティ開発目標達成を支援するためにレコメンデーションシステムを適用する技術の現状を要約する。 具体的には、推奨システムは、定義された目標を達成するために、組織や個人をサポートすることができます。
• 参考スコア（独自算出の注目度）: 39.08078205630303
• License:
• Abstract: Sustainability development goals (SDGs) are regarded as a universal call to action with the overall objectives of planet protection, ending of poverty, and ensuring peace and prosperity for all people. In order to achieve these objectives, different AI technologies play a major role. Specifically, recommender systems can provide support for organizations and individuals to achieve the defined goals. Recommender systems integrate AI technologies such as machine learning, explainable AI (XAI), case-based reasoning, and constraint solving in order to find and explain user-relevant alternatives from a potentially large set of options. In this article, we summarize the state of the art in applying recommender systems to support the achievement of sustainability development goals. In this context, we discuss open issues for future research.
• Abstract（参考訳）: 持続可能な開発目標(SDGs)は、惑星の保護、貧困の終焉、すべての人々に対する平和と繁栄の確保という全体的な目的に対処するための普遍的な呼びかけとみなされている。 これらの目的を達成するために、異なるAI技術が大きな役割を果たす。 具体的には、推奨システムは、定義された目標を達成するために、組織や個人をサポートすることができます。 Recommenderシステムでは、マシンラーニングや説明可能なAI(XAI)、ケースベースの推論、制約解決といったAIテクノロジを統合して、潜在的に大きなオプションセットからユーザ関連の選択肢を見つけ、説明する。 本稿では,サステナビリティ開発目標達成を支援するためにレコメンデータシステムを適用した現状を要約する。 ここでは,今後の研究におけるオープンな課題について論じる。

関連論文リスト

• The Road to Artificial SuperIntelligence: A Comprehensive Survey of Superalignment [33.27140396561271]
  大規模言語モデル(LLMs)の出現は、人工超知能(ASI)の可能性を引き起こしている。 Superalignmentは2つの主要な目標 – 高品質なガイダンスシグナルを提供するための監視のスケーラビリティと、人間の価値との整合性を確保するための堅牢なガバナンス – に対処することを目指している。 具体的には、ASIの概念、それらがもたらす課題、そしてスーパーアライメント問題に対処する際の現在のアライメントパラダイムの限界について検討する。
  論文  参考訳（メタデータ） (2024-12-21T03:51:04Z)
• 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)
• Towards Bidirectional Human-AI Alignment: A Systematic Review for Clarifications, Framework, and Future Directions [101.67121669727354]
  近年のAIの進歩は、AIシステムを意図された目標、倫理的原則、個人とグループの価値に向けて導くことの重要性を強調している。 人間のAIアライメントの明確な定義とスコープの欠如は、このアライメントを達成するための研究領域間の共同作業を妨げる、大きな障害となる。 我々は、2019年から2024年1月までに400以上の論文を体系的にレビューし、HCI(Human-Computer Interaction)、自然言語処理(NLP)、機械学習(ML)といった複数の分野にまたがって紹介する。
  論文  参考訳（メタデータ） (2024-06-13T16:03:25Z)
• Towards a Privacy and Security-Aware Framework for Ethical AI: Guiding the Development and Assessment of AI Systems [0.0]
  本研究は2020年から2023年までの系統的な文献レビューを行う。 本研究は,SLRから抽出した知識の合成を通じて,プライバシとセキュリティを意識したAIシステムに適した概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-13T15:39:57Z)
• 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)
• A Vision for Operationalising Diversity and Inclusion in AI [5.4897262701261225]
  本研究は,AIエコシステムにおける多様性と包摂性(D&I)の倫理的命令の運用を想定することを目的とする。 AI開発における重要な課題は、D&Iの原則を効果的に運用することである。 本稿では,ジェネレーティブAI(GenAI)を用いたペルソナシミュレーションを活用したツール開発のためのフレームワークの構想を提案する。
  論文  参考訳（メタデータ） (2023-12-11T02:44:39Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• End-User Development for Artificial Intelligence: A Systematic Literature Review [2.347942013388615]
  エンドユーザ開発(EUD)は、AIベースのシステムを自分たちのニーズに合わせて作成、カスタマイズ、あるいは適用することができる。 本稿では,AIシステムにおけるEUDの現在の状況に光を当てることを目的とした文献レビューを紹介する。
  論文  参考訳（メタデータ） (2023-04-14T09:57:36Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims [59.64274607533249]
  AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。 このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。 我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
  論文  参考訳（メタデータ） (2020-04-15T17:15:35Z)

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。