論文の概要: Creating a Cooperative AI Policymaking Platform through Open Source Collaboration

• arxiv url: http://arxiv.org/abs/2412.06936v1
• Date: Mon, 09 Dec 2024 19:25:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 22:09:45.121387
• Title: Creating a Cooperative AI Policymaking Platform through Open Source Collaboration
• Title（参考訳）: オープンソースコラボレーションによる協力型AIポリシ作成プラットフォームの構築
• Authors: Aiden Lewington, Alekhya Vittalam, Anshumaan Singh, Anuja Uppuluri, Arjun Ashok, Ashrith Mandayam Athmaram, Austin Milt, Benjamin Smith, Charlie Weinberger, Chatanya Sarin, Christoph Bergmeir, Cliff Chang, Daivik Patel, Daniel Li, David Bell, Defu Cao, Donghwa Shin, Edward Kang, Edwin Zhang, Enhui Li, Felix Chen, Gabe Smithline, Haipeng Chen, Henry Gasztowtt, Hoon Shin, Jiayun Zhang, Joshua Gray, Khai Hern Low, Kishan Patel, Lauren Hannah Cooke, Marco Burstein, Maya Kalapatapu, Mitali Mittal, Raymond Chen, Rosie Zhao, Sameen Majid, Samya Potlapalli, Shang Wang, Shrenik Patel, Shuheng Li, Siva Komaragiri, Song Lu, Sorawit Siangjaeo, Sunghoo Jung, Tianyu Zhang, Valery Mao, Vikram Krishnakumar, Vincent Zhu, Wesley Kam, Xingzhe Li, Yumeng Liu,
• Abstract要約: 現在のインセンティブ構造と規制の遅れは、責任あるAI開発とデプロイメントを妨げる可能性がある。 これらの課題に対処するため、我々は大規模なマルチモーダルテキストと経済時系列基盤モデルの開発を提案する。
• 参考スコア（独自算出の注目度）: 14.120384828192067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advances in artificial intelligence (AI) present significant risks and opportunities, requiring improved governance to mitigate societal harms and promote equitable benefits. Current incentive structures and regulatory delays may hinder responsible AI development and deployment, particularly in light of the transformative potential of large language models (LLMs). To address these challenges, we propose developing the following three contributions: (1) a large multimodal text and economic-timeseries foundation model that integrates economic and natural language policy data for enhanced forecasting and decision-making, (2) algorithmic mechanisms for eliciting diverse and representative perspectives, enabling the creation of data-driven public policy recommendations, and (3) an AI-driven web platform for supporting transparent, inclusive, and data-driven policymaking.
• Abstract（参考訳）: 人工知能(AI)の進歩は大きなリスクと機会をもたらし、社会的損害を軽減し、平等な利益を促進するために統治の改善を必要としている。 現在のインセンティブ構造と規制の遅れは、特に大きな言語モデル(LLM)の変革の可能性を考慮して、AI開発とデプロイメントの責任を損なう可能性がある。 これらの課題に対処するため,1)予測・意思決定の強化を目的とした経済・自然言語政策データを統合した大規模多モーダルテキスト・経済時系列基盤モデル,2)多言語・代表的視点を抽出し,データ駆動型公共政策レコメンデーションの作成を可能にするアルゴリズム機構,3)透明性・包括的・データ駆動型政策作成を支援するAI駆動型Webプラットフォームを提案する。

関連論文リスト

• Towards deployment-centric multimodal AI beyond vision and language [67.02589156099391]
  デプロイ不能なソリューションの可能性を減らすために、デプロイメント制約を早期に組み込んだデプロイメント中心のワークフローを提唱します。 我々は、複数の分野にまたがる共通のマルチモーダルAI固有の課題を特定し、3つの実世界のユースケースについて検討する。 複数の学際的な対話とオープンな研究プラクティスを育むことで、我々のコミュニティは、広く社会に影響を及ぼすためのデプロイメント中心の開発を加速できる。
  論文  参考訳（メタデータ） (2025-04-04T17:20:05Z)
• Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models [75.4890331763196]
  大規模言語モデル(LLM)の最近のブレークスルーは、エージェントAIシステムの出現につながっている。 LLMベースのAgentic RS(LLM-ARS)は、よりインタラクティブで、コンテキストを認識し、プロアクティブなレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2025-03-20T22:37:15Z)
• Media and responsible AI governance: a game-theoretic and LLM analysis [61.132523071109354]
  本稿では,信頼できるAIシステムを育成する上での,AI開発者,規制当局,ユーザ,メディア間の相互作用について検討する。 進化的ゲーム理論と大言語モデル(LLM)を用いて、異なる規制体制下でこれらのアクター間の戦略的相互作用をモデル化する。
  論文  参考訳（メタデータ） (2025-03-12T21:39:38Z)
• A Survey on Post-training of Large Language Models [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,5つのコアパラダイムにまたがるPoLMの進化を体系的に追跡する,最初の包括的調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• Governing AI Agents [0.2913760942403036]
  本項では、主エージェント問題に関する経済理論と、機関関係に関する共通法学説を概観する。 それは、情報非対称性、差別的権威、忠誠といった問題を含む、AIエージェントから生じる問題を特定する。 包括性、可視性、責任のガバナンス原則をサポートするためには、新しい技術的および法的基盤が必要である、と氏は主張する。
  論文  参考訳（メタデータ） (2025-01-14T07:55:18Z)
• Modular Conversational Agents for Surveys and Interviews [6.019313905775819]
  本稿では,AIエージェントを設計するためのモジュラーアプローチとそのパラメータ化プロセスを紹介する。 3つの実証的な研究を通して、モジュラーアプローチの適応性、一般化性、有効性を示す。 その結果,AIエージェントは完成率と応答品質を高めることが示唆された。
  論文  参考訳（メタデータ） (2024-12-22T15:00:16Z)
• Towards Responsible Governing AI Proliferation [0.0]
  論文では、小規模で分散化されたオープンソースのAIモデルの台頭を期待するProliferation'パラダイムを紹介している。 これらの発展は、可能性があり、利益と新たなリスクの両方をもたらす可能性が高いことを示唆している。
  論文  参考訳（メタデータ） (2024-12-18T13:10:35Z)
• Data Shapley in One Training Run [88.59484417202454]
  Data Shapleyは、機械学習コンテキストにおけるデータのコントリビューションに寄与するための、原則化されたフレームワークを提供する。 既存のアプローチでは、計算集約的な異なるデータサブセット上の再学習モデルが必要である。 本稿では、対象とするデータモデルに対するスケーラブルなデータ属性を提供することにより、これらの制限に対処するIn-Run Data Shapleyを紹介する。
  論文  参考訳（メタデータ） (2024-06-16T17:09:24Z)
• Risks and Opportunities of Open-Source Generative AI [64.86989162783648]
  Generative AI(Gen AI)の応用は、科学や医学、教育など、さまざまな分野に革命をもたらすことが期待されている。 こうした地震の変化の可能性は、この技術の潜在的なリスクについて活発に議論を巻き起こし、より厳格な規制を要求した。 この規制は、オープンソースの生成AIの誕生する分野を危険にさらす可能性がある。
  論文  参考訳（メタデータ） (2024-05-14T13:37:36Z)
• On the Challenges and Opportunities in Generative AI [135.2754367149689]
  現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。 本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
  論文  参考訳（メタデータ） (2024-02-28T15:19:33Z)
• Generative AI in EU Law: Liability, Privacy, Intellectual Property, and Cybersecurity [1.9806397201363817]
  本稿では、欧州連合の文脈におけるジェネレーティブAIと大規模言語モデル(LLM)の法的および規制的意味について述べる。 責任、プライバシー、知的財産権、サイバーセキュリティの側面を分析する。 生成モデルの安全性とコンプライアンスを保証するためのレコメンデーションを提案している。
  論文  参考訳（メタデータ） (2024-01-14T19:16:29Z)
• 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)
• 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)

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。