論文の概要: Intentionally Unintentional: GenAI Exceptionalism and the First Amendment

• arxiv url: http://arxiv.org/abs/2506.05211v1
• Date: Thu, 05 Jun 2025 16:26:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.82033
• Title: Intentionally Unintentional: GenAI Exceptionalism and the First Amendment
• Title（参考訳）: 意図的無意図:GenAI例外主義と修正第1条
• Authors: David Atkinson, Jena D. Hwang, Jacob Morrison,
• Abstract要約: 本稿では,大規模な生成AIモデルからの出力に対して,裁判所が修正第一条の保護を与えるべきだという仮定に異議を唱える。 これらのモデルには意図性がないため、確立された法律上の前例の文脈で理解されているように、そのアウトプットはスピーチを構成することができない、と我々は主張する。
• 参考スコア（独自算出の注目度）: 9.330416981746971
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper challenges the assumption that courts should grant First Amendment protections to outputs from large generative AI models, such as GPT-4 and Gemini. We argue that because these models lack intentionality, their outputs do not constitute speech as understood in the context of established legal precedent, so there can be no speech to protect. Furthermore, if the model outputs are not speech, users cannot claim a First Amendment speech right to receive the outputs. We also argue that extending First Amendment rights to AI models would not serve the fundamental purposes of free speech, such as promoting a marketplace of ideas, facilitating self-governance, or fostering self-expression. In fact, granting First Amendment protections to AI models would be detrimental to society because it would hinder the government's ability to regulate these powerful technologies effectively, potentially leading to the unchecked spread of misinformation and other harms.
• Abstract（参考訳）: 本稿では, GPT-4 や Gemini などの大規模生成型AIモデルからの出力に対して, 裁判所が修正第1条の保護を付与するべきだという仮定に異議を唱える。 これらのモデルには意図性がないため、そのアウトプットは確立された法律上の前例の文脈で理解されているような言論を構成しないため、保護すべき言論は存在しない、と我々は主張する。 さらに、モデル出力が音声でない場合、ユーザは、その出力を受け取るための第一修正言語の権利を主張することはできない。 また、AIモデルに対する修正第1条の権利の延長は、アイデアの市場拡大、自己統治の促進、自己表現の促進など、自由な言論の基本的な目的に役立ちません。 事実、AIモデルに修正第一条の保護を付与することは、政府がこれらの強力な技術を効果的に規制する能力を妨げるため、社会にとって有害であり、誤情報やその他の害の未確認の拡散につながる可能性がある。

関連論文リスト

• Hate Speech According to the Law: An Analysis for Effective Detection [6.802357986439992]
  本研究は,プロシーカブルヘイトスピーチにおける研究の増幅の重要性を強調した。 法的枠組みのパラメータ内でヘイトスピーチと戦う効果的な戦略に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-12-09T01:58:10Z)
• Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
  本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。 音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。 この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
  論文  参考訳（メタデータ） (2024-06-12T16:30:58Z)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• Freedom of Speech and AI Output [5.542416076785831]
  現在のAIプログラムは、もちろん人間ではなく、それ自体が憲法上の権利を持っているわけではないが、プログラムの作成者の権利のために、彼らのスピーチは保護される可能性がある。 しかしそれ以上に、さらに重要なことは、AIプログラムのスピーチは、ユーザの権利のために保護されるべきである。
  論文  参考訳（メタデータ） (2023-08-16T20:49:41Z)
• Towards Legally Enforceable Hate Speech Detection for Public Forums [29.225955299645978]
  本研究では,ヘイトスピーチ検出のための新たな視点と課題を紹介する。 法の専門家による11の可能な定義に違反したデータセットを使用します。 ヘイトスピーチの明確で法的に強制可能なインスタンスを特定することの難しさを踏まえ、専門家が作成したサンプルと自動マイニングされたチャレンジセットでデータセットを拡張する。
  論文  参考訳（メタデータ） (2023-05-23T04:34:41Z)
• Large Language Models as Corporate Lobbyists [0.0]
  自己回帰的大言語モデルは、提案されたアメリカ合衆国議会法案が特定の公共企業に関連するかどうかを決定する。 モデルが関連するものとみなす法案について、モデルは、提案された法律を変更するよう議会に説得するために、法案のスポンサーに手紙を起草する。
  論文  参考訳（メタデータ） (2023-01-03T16:25:52Z)
• Emotion Selectable End-to-End Text-based Speech Editing [63.346825713704625]
  Emo-CampNet (Emotion CampNet) は感情選択可能なテキストベースの音声編集モデルである。 テキストベースの音声編集において、生成した音声の感情を効果的に制御することができる。 未知の話者のスピーチを編集することもできる。
  論文  参考訳（メタデータ） (2022-12-20T12:02:40Z)
• Learning Explicit Prosody Models and Deep Speaker Embeddings for Atypical Voice Conversion [60.808838088376675]
  本稿では,明示的な韻律モデルと深層話者埋め込み学習を用いたVCシステムを提案する。 韻律補正器は音素埋め込みを取り入れ、典型的な音素持続時間とピッチ値を推定する。 変換モデルは、音素埋め込みと典型的な韻律特徴を入力として、変換された音声を生成する。
  論文  参考訳（メタデータ） (2020-11-03T13:08:53Z)
• Defending Your Voice: Adversarial Attack on Voice Conversion [70.19396655909455]
  音声変換に対する対人攻撃を最初に行う試みについて報告する。 音声を守らなければならない話者の発話に、人間の騒音が知覚できないことを紹介する。 その結果, 変換された発話の話者特性は, 防御された話者と明らかに異なることがわかった。
  論文  参考訳（メタデータ） (2020-05-18T14:51:54Z)

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。