Fugu-MT 論文翻訳(概要): How to Test for Compliance with Human Oversight Requirements in AI Regulation?

論文の概要: How to Test for Compliance with Human Oversight Requirements in AI Regulation?

arxiv url: http://arxiv.org/abs/2504.03300v1
Date: Fri, 04 Apr 2025 09:26:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-07 14:48:45.473428
Title: How to Test for Compliance with Human Oversight Requirements in AI Regulation?
Title（参考訳）: AI規制における人間の監視要件への準拠をテストするには?
Authors: Markus Langer, Veronika Lazar, Kevin Baum,
Abstract要約: 人間の監視要件は、欧州AI法やAIガバナンスの中核的な要素である。重要な問題は、リソース集約的な実証テストを伴う単純なチェックリストベースのアプローチと、潜在的に非効率なチェックリストベースのアプローチのバランスにある。これらの課題は、社会技術AIガバナンスの将来における幅広い課題を浮き彫りにしている、と私たちは主張する。
参考スコア（独自算出の注目度）: 0.8192907805418583
License:
Abstract: Human oversight requirements are a core component of the European AI Act and in AI governance. In this paper, we highlight key challenges in testing for compliance with these requirements. A key difficulty lies in balancing simple, but potentially ineffective checklist-based approaches with resource-intensive empirical testing in diverse contexts where humans oversee AI systems. Additionally, the absence of easily operationalizable standards and the context-dependent nature of human oversight further complicate compliance testing. We argue that these challenges illustrate broader challenges in the future of sociotechnical AI governance.
Abstract（参考訳）: 人間の監視要件は、欧州AI法やAIガバナンスの中核的な要素である。本稿では,これらの要件に準拠するテストにおいて重要な課題について述べる。重要な課題は、人間がAIシステムを監督するさまざまな状況下で、リソース集約的な経験的テストによる、シンプルだが、潜在的に非効率なチェックリストベースのアプローチのバランスにある。さらに、容易な運用可能な標準の欠如と、人間の監視によるコンテキスト依存の性質は、コンプライアンステストをさらに複雑にしている。これらの課題は、社会技術AIガバナンスの将来における幅広い課題を浮き彫りにしている、と私たちは主張する。

関連論文リスト

Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文参考訳（メタデータ） (2024-10-10T17:38:38Z)
From Transparency to Accountability and Back: A Discussion of Access and Evidence in AI Auditing [1.196505602609637]
監査は、デプロイ前のリスクアセスメント、進行中の監視、コンプライアンステストなど、さまざまな形式で実施することができる。 AI監査には、その実装を複雑にする多くの運用上の課題がある。我々は、監査は自然な仮説テストとして、並列仮説テストと法的手続きを引き出すことができると論じ、このフレーミングは、監査実施に関する明確かつ解釈可能なガイダンスを提供すると論じる。
論文参考訳（メタデータ） (2024-10-07T06:15:46Z)
Problem Solving Through Human-AI Preference-Based Cooperation [74.39233146428492]
我々は,人間-AI共同構築フレームワークであるHAI-Co2を提案する。我々は、HAI-Co2を形式化し、それが直面する困難なオープンリサーチ問題について議論する。本稿では,HAI-Co2のケーススタディと,モノリシックな生成型AIモデルとの比較による有効性を示す。
論文参考訳（メタデータ） (2024-08-14T11:06:57Z)
An FDA for AI? Pitfalls and Plausibility of Approval Regulation for Frontier Artificial Intelligence [0.0]
我々は、フロンティアAIの規制に対する承認規制、すなわち、実験的なミニマと、その実験で部分的にまたは完全に条件付けられた政府のライセンスとを組み合わせた製品の適用性について検討する。承認規制が単に適用されたとしても、フロンティアAIのリスクには不適当であると考える理由はいくつかある。規制開発における政策学習と実験の役割を強調して締めくくる。
論文参考訳（メタデータ） (2024-08-01T17:54:57Z)
Human Oversight of Artificial Intelligence and Technical Standardisation [0.0]
AIのグローバルガバナンスの中で、人間の監視の要件は、いくつかの規制形式に具体化されている。そのため、欧州連合(EU)の立法府は、人間の監督に対する法的要件を「取り除く」ために、過去よりもはるかに進んでいる。 AI意思決定プロセスにおける人間の位置に関する疑問は、特に注目されるべきである。
論文参考訳（メタデータ） (2024-07-02T07:43:46Z)
OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文参考訳（メタデータ） (2024-06-18T16:20:53Z)
Easy-to-Hard Generalization: Scalable Alignment Beyond Human Supervision [98.97575836717931]
現在のAIアライメント手法は、人間が提供する実演や判断に依存している。彼らの能力が人間のレベルを超えたとき、システムを改善するにはどうすればよいのか?
論文参考訳（メタデータ） (2024-03-14T15:12:38Z)
Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文参考訳（メタデータ） (2024-02-21T08:29:42Z)
Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文参考訳（メタデータ） (2024-01-13T14:07:09Z)
Operationalising Responsible AI Using a Pattern-Oriented Approach: A Case Study on Chatbots in Financial Services [11.33499498841489]
責任AI(Responsible AI)は、人間、社会、環境に利益をもたらす方法でAIシステムを開発し、利用するプラクティスである。さまざまな責任あるAI原則が最近リリースされたが、これらの原則は非常に抽象的で実用的ではない。ギャップを埋めるために、パターン指向のアプローチを採用し、責任あるAIパターンカタログを構築します。
論文参考訳（メタデータ） (2023-01-03T23:11:03Z)
AI Ethics: An Empirical Study on the Views of Practitioners and Lawmakers [8.82540441326446]
透明性、説明責任、プライバシは、AI倫理の最も重要な原則です。倫理的知識の不足、法的枠組みの欠如、監視機関の欠如が、AI倫理の最も一般的な課題である。
論文参考訳（メタデータ） (2022-06-30T17:24:29Z)

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。