論文の概要: Interactions Between Artificial Intelligence and Digital Public Infrastructure: Concepts, Benefits, and Challenges
- arxiv url: http://arxiv.org/abs/2412.05761v1
- Date: Sat, 07 Dec 2024 23:25:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:56:46.705395
- Title: Interactions Between Artificial Intelligence and Digital Public Infrastructure: Concepts, Benefits, and Challenges
- Title（参考訳）: 人工知能とデジタル公共インフラの相互作用--概念・利益・課題
- Authors: Sarosh Nagar, David Eaves,
- Abstract要約: 人工知能 (AI) とデジタル公共インフラ (DPI) は、国際政策の議論の中心をなす技術開発である。
本稿では,AIとDPIが相互利益のために相互作用する機会と課題について述べる。
我々は、政策立案者がAIとDPIのポジティブな相互作用を強化するためにどのように機能するかについて、重要な視点で結論付けている。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Artificial intelligence (AI) and digital public infrastructure (DPI) are two technological developments that have taken center stage in global policy discourse. Yet, to date, there has been relatively little discussion about how AI and DPI can mutually enhance the public value provided by each other. Therefore, in this paper, we describe both the opportunities and challenges under which AI and DPI can interact for mutual benefit. First, we define both AI and DPI to provide clarity and help policymakers distinguish between these two technological developments. Second, we provide empirical evidence for how AI, a general-purpose technology, can integrate into many DPI systems, aiding DPI function in use cases like language localization via machine translation (MT), personalized service delivery via recommender systems, and more. Third, we catalog how DPI can act as a foundation for creating more advanced AI systems by improving both the quantity and quality of training data available. Fourth, we discuss the challenges of integrating AI and DPI, including high inference costs for advanced AI models, interoperability challenges with legacy software, concerns about induced bias in AI systems, and privacy challenges related to DPI. We conclude with key takeaways for how policymakers can work to enhance the positive interactions of AI and DPI.
- Abstract（参考訳）: 人工知能 (AI) とデジタル公共インフラ (DPI) は、国際政策の議論の中心をなす技術開発である。
しかし、これまでAIとDPIが相互に公開価値を高める方法については、相対的に議論がほとんど行われていない。
そこで本稿では,AIとDPIが相互利益のために相互作用する機会と課題について述べる。
まず、我々はAIとDPIの両方を定義し、政策立案者がこれらの2つの技術発展を区別するのを手助けする。
第2に、汎用技術であるAIが、多くのDPIシステムにどのように統合できるか、機械翻訳(MT)による言語ローカライゼーション、レコメンダシステムによるパーソナライズされたサービス配信といったユースケースにおけるDPI機能の支援など、実証的な証拠を提供する。
第3に、トレーニングデータの量と品質を改善して、より高度なAIシステムを構築する基盤としてDPIがどのように機能するかをカタログ化する。
第4に、先進的なAIモデルに対する高い推論コスト、レガシーソフトウェアとの相互運用性の課題、AIシステムのバイアスの誘発に関する懸念、DPIに関連するプライバシーの課題など、AIとDPIを統合する際の課題について論じる。
我々は、政策立案者がAIとDPIのポジティブな相互作用を強化するためにどのように機能するかについて、重要な視点で結論付けている。
関連論文リスト
- A Survey on Offensive AI Within Cybersecurity [1.8206461789819075]
攻撃的AIに関する調査論文は、AIシステムに対する攻撃および使用に関する様々な側面を包括的にカバーする。
消費者、企業、公共のデジタルインフラストラクチャなど、さまざまな分野における攻撃的なAIプラクティスの影響を掘り下げる。
この論文では、敵対的な機械学習、AIモデルに対する攻撃、インフラストラクチャ、インターフェース、および情報収集、ソーシャルエンジニアリング、兵器化されたAIといった攻撃的テクニックについて検討する。
論文 参考訳（メタデータ） (2024-09-26T17:36:22Z) - 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) - The Ethics of Advanced AI Assistants [53.89899371095332]
本稿では,高度AIアシスタントがもたらす倫理的・社会的リスクについて論じる。
我々は、高度なAIアシスタントを自然言語インタフェースを持つ人工知能エージェントとして定義し、ユーザに代わってアクションのシーケンスを計画し実行することを目的としている。
先進的なアシスタントの社会規模での展開を考察し、協力、株式とアクセス、誤情報、経済的影響、環境、先進的なAIアシスタントの評価方法に焦点をあてる。
論文 参考訳（メタデータ） (2024-04-24T23:18:46Z) - 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) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - How VADER is your AI? Towards a definition of artificial intelligence
systems appropriate for regulation [41.94295877935867]
最近のAI規制提案では、ICT技術、アプローチ、AIではないシステムに影響を与えるAI定義が採用されている。
本稿では,AI定義の規制(VADER)が適切に定義されているかを評価するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-07T17:41:15Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Aligning Artificial Intelligence with Humans through Public Policy [0.0]
このエッセイは、下流のタスクに活用可能なポリシーデータの構造を学ぶAIの研究の概要を概説する。
これはAIとポリシーの"理解"フェーズを表していると私たちは考えていますが、AIを整合させるために人的価値の重要な源としてポリシーを活用するには、"理解"ポリシーが必要です。
論文 参考訳（メタデータ） (2022-06-25T21:31:14Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z) - Trustworthy AI in the Age of Pervasive Computing and Big Data [22.92621391190282]
我々は倫理的観点から信頼に値するAIシステムの要件を定式化する。
研究状況と残りの課題について議論した後、スマートシティにおける具体的なユースケースがこれらの方法のメリットを如何に示すかを示す。
論文 参考訳（メタデータ） (2020-01-30T08:09:31Z) - AAAI FSS-19: Human-Centered AI: Trustworthiness of AI Models and Data
Proceedings [8.445274192818825]
予測モデルは不確実性を認識し、信頼できる予測をもたらすことが不可欠である。
このシンポジウムの焦点は、データ品質と技術的堅牢性と安全性を改善するAIシステムであった。
広く定義された領域からの提出はまた、説明可能なモデル、人間の信頼、AIの倫理的側面といった要求に対処するアプローチについても論じた。
論文 参考訳（メタデータ） (2020-01-15T15:30:29Z)
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。