Fugu-MT 論文翻訳(概要): Building Sustainable and Trustworthy Indigenous Knowledge Preservation Ecosystem

論文の概要: Building Sustainable and Trustworthy Indigenous Knowledge Preservation Ecosystem

arxiv url: http://arxiv.org/abs/2504.17281v1
Date: Thu, 24 Apr 2025 06:15:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.269941
Title: Building Sustainable and Trustworthy Indigenous Knowledge Preservation Ecosystem
Title（参考訳）: 持続的で信頼性の高い内生的知識保存環境の構築
Authors: Siguo Bi, Xin Yuan, Wei Ni,
Abstract要約: 論文は、既存の技術的ソリューションをレビューし、技術的課題とギャップを識別する。先住民の知識をより効果的に保護し、広めるための最先端技術を導入している。
参考スコア（独自算出の注目度）: 21.27134081867111
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper focuses on the essential global issue of protecting and transmitting indigenous knowledge. It reveals the challenges in this area and proposes a sustainable supply chain framework for indigenous knowledge. The paper reviews existing technological solutions and identifies technical challenges and gaps. It then introduces cutting-edge technologies to protect and disseminate indigenous knowledge more effectively. The paper also discusses how the proposed framework can address real-world challenges in protecting and transmitting indigenous knowledge, and explores future research applications of the proposed solutions. Finally, it addresses open issues and provides a detailed analysis, offering promising research directions for the protection and transmission of indigenous knowledge worldwide.
Abstract（参考訳）: 本稿は,先住民の知識の保護と伝達に関する国際的課題に焦点を当てる。この領域における課題を明らかにし、土着知識のための持続可能なサプライチェーンフレームワークを提案する。論文は、既存の技術的ソリューションをレビューし、技術的課題とギャップを識別する。その後、先住民の知識をより効果的に保護し広めるための最先端技術を導入する。また,提案手法が土着知識の保護・伝達における現実的な課題にどのように対処できるかを論じ,提案手法の今後の研究応用について検討する。最後に、オープンな問題に対処し、詳細な分析を提供し、世界中の先住民の知識の保護と伝達のための有望な研究指針を提供する。

関連論文リスト

TRIED: Truly Innovative and Effective AI Detection Benchmark, developed by WITNESS [0.0]
WITNESSはTruly Innovative and Effective AI Detection (TRIED)ベンチマークを導入した。レポートでは、検出ツールが真に革新的で関連性を持つようになるためには、どのように進化する必要があるかを概説している。開発者、ポリシーアクター、標準組織に対して、説明責任、透明性、ユーザ中心の検知ソリューションを設計するための実践的なガイダンスを提供する。
論文参考訳（メタデータ） (2025-04-30T10:18:19Z)
Inteligencia Artificial para la conservación y uso sostenible de la biodiversidad, una visión desde Colombia (Artificial Intelligence for conservation and sustainable use of biodiversity, a view from Colombia) [0.0]
本論文は,コロンビアとネオトロピックに焦点をあてた視点から,この研究領域の範囲を分析することを目的としている。本稿では,画像や記録からの自動種識別,種モデリング,シリコバイオプロスペクションなどの用途について紹介する。また、現地の文脈におけるAIの責任と倫理的採用を促進する政策の開発に関する対話の場を開こうとしている。
論文参考訳（メタデータ） (2025-03-17T16:47:05Z)
Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey [92.36487127683053]
Retrieval-Augmented Generation (RAG)は、AIGC(AIGC)の課題に対処するために設計された高度な技術である。 RAGは信頼性と最新の外部知識を提供し、幻覚を減らし、幅広いタスクで関連するコンテキストを保証する。 RAGの成功と可能性にもかかわらず、最近の研究により、RAGパラダイムはプライバシーの懸念、敵対的攻撃、説明責任の問題など、新たなリスクももたらしていることが示されている。
論文参考訳（メタデータ） (2025-02-08T06:50:47Z)
Open Problems in Mechanistic Interpretability [61.44773053835185]
機械的解釈可能性(Mechanistic Interpretability)は、ニューラルネットワークの能力の根底にある計算メカニズムを理解することを目的としている。これらの目標に向けての最近の進歩にもかかわらず、解を必要とする分野には多くの未解決問題が存在する。
論文参考訳（メタデータ） (2025-01-27T20:57:18Z)
Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
論文参考訳（メタデータ） (2025-01-09T03:59:10Z)
Grand Challenges in Immersive Technologies for Cultural Heritage [6.678822458675665]
没入型技術の統合は、文化遺産の提示方法を変えてきた。これらのテクノロジの採用は、さまざまな課題や潜在的なリスクをもたらします。
論文参考訳（メタデータ） (2024-12-03T21:39:01Z)
Sociotechnical Implications of Generative Artificial Intelligence for Information Access [4.3867169221012645]
生成AI技術は、情報にアクセスし、既存の情報検索システムの有効性を改善する新しい方法を可能にする。本稿では、情報アクセスの文脈において、生成AIを採用する際のシステム的結果とリスクについて概説する。
論文参考訳（メタデータ） (2024-05-19T17:04:39Z)
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)
Towards Quantum Federated Learning [80.1976558772771]
量子フェデレートラーニング(Quantum Federated Learning)は、学習プロセスにおけるプライバシ、セキュリティ、効率性の向上を目的とする。我々は、QFLの原則、技術、および新しい応用について、包括的に理解することを目指している。 QFLの分野が進むにつれ、様々な産業でさらなるブレークスルーや応用が期待できる。
論文参考訳（メタデータ） (2023-06-16T15:40:21Z)
Rethinking Sustainability Requirements: Drivers, Barriers and Impacts of Digitalisation from the Viewpoint of Experts [1.6576670364158894]
本稿では,システムの配置環境におけるドライバ,バリア,影響の概念に焦点をあてる。地方の代表的分野の専門家30名を対象にインタビューを行った。
論文参考訳（メタデータ） (2021-05-06T17:39:25Z)
Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
論文参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。