論文の概要: Mind the Gesture: Evaluating AI Sensitivity to Culturally Offensive Non-Verbal Gestures

• arxiv url: http://arxiv.org/abs/2502.17710v1
• Date: Mon, 24 Feb 2025 23:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 17:42:45.531561
• Title: Mind the Gesture: Evaluating AI Sensitivity to Culturally Offensive Non-Verbal Gestures
• Title（参考訳）: Mind the Gesture: 文化的に有害な非言語的ジェスチャーに対するAI感度の評価
• Authors: Akhila Yerukola, Saadia Gabriel, Nanyun Peng, Maarten Sap,
• Abstract要約: ジェスチャーは非言語コミュニケーションの不可欠な部分であり、文化によって異なる意味を持つ。 AIシステムがよりグローバルなアプリケーションに統合されるにつれて、文化的な犯罪が必然的に持続しないことが重要になります。 攻撃性,文化的意義,文脈的要因を付加した288のジェスチャー・カントリーペアのデータセットであるMC-SIGNS(Multi-Cultural Set of In appropriate Gestures and Nonverbal Signs)を紹介する。
• 参考スコア（独自算出の注目度）: 67.89565097372751
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gestures are an integral part of non-verbal communication, with meanings that vary across cultures, and misinterpretations that can have serious social and diplomatic consequences. As AI systems become more integrated into global applications, ensuring they do not inadvertently perpetuate cultural offenses is critical. To this end, we introduce Multi-Cultural Set of Inappropriate Gestures and Nonverbal Signs (MC-SIGNS), a dataset of 288 gesture-country pairs annotated for offensiveness, cultural significance, and contextual factors across 25 gestures and 85 countries. Through systematic evaluation using MC-SIGNS, we uncover critical limitations: text-to-image (T2I) systems exhibit strong US-centric biases, performing better at detecting offensive gestures in US contexts than in non-US ones; large language models (LLMs) tend to over-flag gestures as offensive; and vision-language models (VLMs) default to US-based interpretations when responding to universal concepts like wishing someone luck, frequently suggesting culturally inappropriate gestures. These findings highlight the urgent need for culturally-aware AI safety mechanisms to ensure equitable global deployment of AI technologies.
• Abstract（参考訳）: ジェスチャーは非言語コミュニケーションの不可欠な部分であり、文化によって異なる意味を持ち、深刻な社会的・外交的な結果をもたらす誤解がある。 AIシステムがよりグローバルなアプリケーションに統合されるにつれて、文化的な犯罪が必然的に持続しないことが重要になります。 この目的のために,25のジェスチャーと85の国で,攻撃性,文化的意義,文脈的要因を付加した288のジェスチャー国ペアのデータセットであるMC-SIGNS(Multi-Cultural Set of In appropriate Gestures and Nonverbal Signs)を紹介した。 MC-SIGNSを用いた体系的な評価を通じて、重要な限界を明らかにする: テキスト・トゥ・イメージ(T2I)システムは、米国中心の強いバイアスを示し、米国以外の状況よりも攻撃的なジェスチャーを検出するのに優れ、大きな言語モデル(LLM)は攻撃的なジェスチャーとして過度にフラッグされる傾向があり、視覚言語モデル(VLM)は、誰かの運を望んで、しばしば文化的に不適切なジェスチャーを示すアメリカの普遍的な概念に応答する際に、米国ベースの解釈にデフォルトとなる。 これらの知見は、文化的に認識されたAIの安全性メカニズムが、AI技術のグローバルな展開を確実にするための緊急の必要性を浮き彫りにしている。

関連論文リスト

• AI as a deliberative partner fosters intercultural empathy for Americans but fails for Latin American participants [4.641694322213005]
  我々は、AIの相互作用の種類、すなわち、熟考的対非熟考的対文化的整合性、非整合性対非整合性対文化的共感性について検討した。 その結果, ラテンアメリカの参加者ではなく, 文化間の共感が増大した。 参加者の母国語における文化的視点を明示する明示的なプロンプトと指示にもかかわらず、AIシステムは依然として文化的表現において大きな差異を示している。
  論文  参考訳（メタデータ） (2025-04-04T17:15:01Z)
• Preserving Cultural Identity with Context-Aware Translation Through Multi-Agent AI Systems [0.4218593777811082]
  言語は文化的アイデンティティの基盤となっているが、グローバル化と主要言語の優位性により、3000近い言語が絶滅の危機にさらされている。 既存のAI駆動翻訳モデルは効率を優先するが、しばしば文化的ニュアンス、慣用的な表現、歴史的重要性を捉えない。 本稿では,言語コミュニティにおける文化適応型翻訳のための多言語AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-05T06:43:59Z)
• CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries [63.00147630084146]
  視覚言語モデル(VLM)は高度な人間とAIの相互作用を持つが、文化的な理解に苦慮している。 CultureVerseは大規模なマルチモーダルベンチマークで、682の文化的概念、188の国/地域、15の文化的概念、3の質問タイプをカバーしている。 本稿では,文化理解の大幅な向上を実現するために,我々のデータセットを微調整したVLMのシリーズであるCultureVLMを提案する。
  論文  参考訳（メタデータ） (2025-01-02T14:42:37Z)
• Global MMLU: Understanding and Addressing Cultural and Linguistic Biases in Multilingual Evaluation [71.59208664920452]
  多言語データセットの文化的バイアスは、グローバルベンチマークとしての有効性に重大な課題をもたらす。 MMLUの進歩は西洋中心の概念の学習に大きく依存しており、文化に敏感な知識を必要とする質問の28%がそうである。 改良されたMMLUであるGlobal MMLUをリリースし,42言語を対象に評価を行った。
  論文  参考訳（メタデータ） (2024-12-04T13:27:09Z)
• Navigating the Cultural Kaleidoscope: A Hitchhiker's Guide to Sensitivity in Large Language Models [4.771099208181585]
  LLMはますますグローバルなアプリケーションにデプロイされ、さまざまなバックグラウンドを持つユーザが尊敬され、理解されることが保証される。 文化的な害は、これらのモデルが特定の文化的規範と一致しないときに起こり、文化的な価値観の誤った表現や違反をもたらす。 潜在的な文化的不感を露呈するシナリオを通じて、異なる文化的文脈におけるモデルアウトプットを評価するために作成された文化的調和テストデータセットと、多様なアノテータからのフィードバックに基づいた微調整による文化的感受性の回復を目的とした、文化的に整合した選好データセットである。
  論文  参考訳（メタデータ） (2024-10-15T18:13:10Z)
• Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
  本稿では,多文化知識獲得のための新しいアプローチを提案する。 本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。 私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
  論文  参考訳（メタデータ） (2024-02-14T18:16:54Z)
• Disentangling Perceptions of Offensiveness: Cultural and Moral Correlates [4.857640117519813]
  我々は、文化的・心理的要因が攻撃性の認知的処理において重要な役割を担っていると論じる。 攻撃性に対する認識の文化的相違が顕著である。 個人の道徳的価値観は、これらのバリエーションを形成する上で重要な役割を担っている。
  論文  参考訳（メタデータ） (2023-12-11T22:12:20Z)
• Cultural Bias and Cultural Alignment of Large Language Models [0.9374652839580183]
  広く使われている5つの大言語モデルに対して,文化的偏見の分散評価を行う。 全てのモデルは、英語とプロテスタントのヨーロッパ諸国に似た文化的価値を示す。 生成AIの出力における文化的バイアスを軽減するために,文化的なプロンプトと継続的な評価を用いることを提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:45:56Z)
• Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in Large Language Models [89.94270049334479]
  本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。 LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
  論文  参考訳（メタデータ） (2023-10-19T05:38:23Z)
• Benchmarking Machine Translation with Cultural Awareness [50.183458829028226]
  文化関連コンテンツの翻訳は、効果的な異文化間コミュニケーションに不可欠である。 多くの文化特化項目(CSI)は言語間の翻訳を欠いていることが多い。 この難しさは機械翻訳システムの文化的意識の分析を妨げる。
  論文  参考訳（メタデータ） (2023-05-23T17:56:33Z)

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。