論文の概要: A Conjecture on a Fundamental Trade-Off between Certainty and Scope in Symbolic and Generative AI

• arxiv url: http://arxiv.org/abs/2506.10130v1
• Date: Wed, 11 Jun 2025 19:18:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.411297
• Title: A Conjecture on a Fundamental Trade-Off between Certainty and Scope in Symbolic and Generative AI
• Title（参考訳）: 記号型と生成型AIにおける不確実性とスコープの基本的なトレードオフに関する考察
• Authors: Luciano Floridi,
• Abstract要約: 論文では、AIシステムにおける証明可能な正しさと広範なデータマッピング能力の基本的なトレードオフを定式化する予想を紹介している。 この暗黙のトレードオフを明確化し、厳密な検証にオープンにすることで、この予想は、エンジニアリングの野望とAIに対する哲学的な期待の両方を大きく変えた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article introduces a conjecture that formalises a fundamental trade-off between provable correctness and broad data-mapping capacity in Artificial Intelligence (AI) systems. When an AI system is engineered for deductively watertight guarantees (demonstrable certainty about the error-free nature of its outputs) -- as in classical symbolic AI -- its operational domain must be narrowly circumscribed and pre-structured. Conversely, a system that can input high-dimensional data to produce rich information outputs -- as in contemporary generative models -- necessarily relinquishes the possibility of zero-error performance, incurring an irreducible risk of errors or misclassification. By making this previously implicit trade-off explicit and open to rigorous verification, the conjecture significantly reframes both engineering ambitions and philosophical expectations for AI. After reviewing the historical motivations for this tension, the article states the conjecture in information-theoretic form and contextualises it within broader debates in epistemology, formal verification, and the philosophy of technology. It then offers an analysis of its implications and consequences, drawing on notions of underdetermination, prudent epistemic risk, and moral responsibility. The discussion clarifies how, if correct, the conjecture would help reshape evaluation standards, governance frameworks, and hybrid system design. The conclusion underscores the importance of eventually proving or refuting the inequality for the future of trustworthy AI.
• Abstract（参考訳）: 本稿では,人工知能(AI)システムにおける証明可能な正しさと広範なデータマッピング能力の基本的なトレードオフを定式化する予想を紹介する。 古典的シンボリックAIのように、AIシステムが誘引的な水密性の保証(出力のエラーのない性質に関する実証可能な確実性)のために設計されている場合、その運用領域は狭く囲み、事前構造化されなければならない。 逆に、現代の生成モデルのように、高次元データを入力してリッチな情報出力を生成するシステムは、必ずしもゼロエラー性能の可能性を放棄し、誤りや誤分類の既約リスクを生じさせる。 この前もって暗黙のトレードオフを明確化し、厳格な検証にオープンにすることで、この予想は、エンジニアリングの野望とAIに対する哲学的な期待の両方を大きく変えた。 この緊張の歴史的動機をレビューした後、この論文は情報理論の形式での予想を述べ、それを認識論、形式的検証、技術哲学の幅広い議論の中で文脈化している。 その後、その意味と結果を分析し、過小評価の概念、慎重な疫学リスク、道徳的責任を描き出す。 この議論は、もし正しければ、この予想が評価基準、ガバナンスフレームワーク、ハイブリッドシステム設計を再形成するのにどのように役立つかを明確にしている。 この結論は、最終的に信頼できるAIの未来に対する不平等を証明または否定することの重要性を浮き彫りにしている。

関連論文リスト

• Ethical AI: Towards Defining a Collective Evaluation Framework [0.3413711585591077]
  人工知能(AI)は医療、金融、自律システムといった分野を変えつつある。 しかし、その迅速な統合は、データ所有権、プライバシー、およびシステムバイアスに関する緊急の倫理的懸念を提起する。 本稿では,意味不明で解釈可能な単位のオントロジブロック上に構築されたモジュール型倫理的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-30T21:10:47Z)
• Deontic Temporal Logic for Formal Verification of AI Ethics [4.028503203417233]
  本稿では,AIシステムの倫理的行動を定義し評価するために,デオン論理に基づく形式化を提案する。 公理と定理を導入し、公正性と説明可能性に関する倫理的要件を捉えている。 筆者らは,実世界のCompASとローン予測AIシステムの倫理性を評価することにより,この形式化の有効性を評価する。
  論文  参考訳（メタデータ） (2025-01-10T07:48:40Z)
• 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)
• A New Perspective on Evaluation Methods for Explainable Artificial Intelligence (XAI) [0.0]
  我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。 この研究は、AIのための要求工学の分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2023-07-26T15:15:44Z)
• Revisiting the Performance-Explainability Trade-Off in Explainable Artificial Intelligence (XAI) [0.0]
  我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。 この研究は、AIのための要求工学の分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2023-07-26T15:07:40Z)
• Principled Knowledge Extrapolation with GANs [92.62635018136476]
  我々は,知識外挿の新たな視点から,対実合成を研究する。 本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。 提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
  論文  参考訳（メタデータ） (2022-05-21T08:39:42Z)
• The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
  不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。 我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
  論文  参考訳（メタデータ） (2022-05-20T10:10:32Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。

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。