論文の概要: A Practical SAFE-AI Framework for Small and Medium-Sized Enterprises Developing Medical Artificial Intelligence Ethics Policies

• arxiv url: http://arxiv.org/abs/2507.01304v1
• Date: Wed, 02 Jul 2025 02:45:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.98754
• Title: A Practical SAFE-AI Framework for Small and Medium-Sized Enterprises Developing Medical Artificial Intelligence Ethics Policies
• Title（参考訳）: 医療人工知能倫理政策を開発する中小企業のためのSAFE-AIフレームワーク
• Authors: Ion Nemteanu, Adir Mancebo Jr., Leslie Joe, Ryan Lopez, Patricia Lopez, Warren Woodrich Pettine,
• Abstract要約: AI(SAFE-AI)におけるスケーラブルなアジャイル実行フレームワークについて紹介する。 SAFE-AIは、標準的なアジャイルベースの製品開発に倫理的監督を組み込むことによって、倫理的厳格さとビジネス上の優先順位のバランスをとる。 このフレームワークの中核となるコンポーネントは、シナリオベースの確率類似マッピングを用いた責任メトリクスである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) offers incredible possibilities for patient care, but raises significant ethical issues, such as the potential for bias. Powerful ethical frameworks exist to minimize these issues, but are often developed for academic or regulatory environments and tend to be comprehensive but overly prescriptive, making them difficult to operationalize within fast-paced, resource-constrained environments. We introduce the Scalable Agile Framework for Execution in AI (SAFE-AI) designed to balance ethical rigor with business priorities by embedding ethical oversight into standard Agile-based product development workflows. The framework emphasizes the early establishment of testable acceptance criteria, fairness metrics, and transparency metrics to manage model uncertainty, while also promoting continuous monitoring and re-evaluation of these metrics across the AI lifecycle. A core component of this framework are responsibility metrics using scenario-based probability analogy mapping designed to enhance transparency and stakeholder trust. This ensures that retraining or tuning activities are subject to lightweight but meaningful ethical review. By focusing on the minimum necessary requirements for responsible development, our framework offers a scalable, business-aligned approach to ethical AI suitable for organizations without dedicated ethics teams.
• Abstract（参考訳）: 人工知能(AI)は、患者のケアに驚くべき可能性を提供するが、バイアスの可能性のような重要な倫理的問題を提起する。 強力な倫理的枠組みは、これらの問題を最小化するために存在するが、しばしば学術的または規制的な環境のために開発され、包括的ではあるが過度に規範的であり、急激で資源に制約のある環境での運用が困難になる。 私たちは、倫理的監督を標準的なアジャイルベースの製品開発ワークフローに組み込むことで、倫理的厳格さとビジネス上の優先事項のバランスをとるように設計された、スケーラブルなAI実行フレームワーク(SAFE-AI)を紹介します。 このフレームワークは、テスト可能な受け入れ基準、公正度メトリクス、モデルの不確実性を管理するための透明性メトリクスの早期確立を強調し、同時に、AIライフサイクル全体にわたってこれらのメトリクスの継続的な監視と再評価を促進する。 このフレームワークの中核的なコンポーネントは、透明性とステークホルダ信頼を高めるために設計されたシナリオベースの確率類似マッピングを使用した責任メトリクスである。 これにより、リトレーニングやチューニングのアクティビティが、軽量だが有意義な倫理的レビューの対象になることが保証される。 責任ある開発に必要な最小限の要件にフォーカスすることで、当社のフレームワークは、専門の倫理チームを持たない組織に適した倫理的AIに対して、スケーラブルでビジネス指向のアプローチを提供します。

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)
• Human services organizations and the responsible integration of AI: Considering ethics and contextualizing risk(s) [0.0]
  著者らは、AIデプロイメントに関する倫理的懸念は、実装コンテキストや特定のユースケースによって大きく異なると主張している。 彼らは、データ感度、専門的な監視要件、クライアントの幸福に対する潜在的影響などの要因を考慮に入れた、次元的リスクアセスメントアプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-20T19:38:21Z)
• Technology as uncharted territory: Contextual integrity and the notion of AI as new ethical ground [55.2480439325792]
  私は、責任と倫理的AIを促進する努力が、確立された文脈規範に対するこの軽視に必然的に貢献し、正当化することができると論じます。 私は、道徳的保護よりも道徳的革新のAI倫理における現在の狭い優先順位付けに疑問を呈する。
  論文  参考訳（メタデータ） (2024-12-06T15:36:13Z)
• Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
  信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。 私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
  論文  参考訳（メタデータ） (2024-10-25T07:53:32Z)
• Ethical and Scalable Automation: A Governance and Compliance Framework for Business Applications [0.0]
  本稿では、AIが倫理的で、制御可能で、実行可能で、望ましいものであることを保証するフレームワークを紹介する。 異なるケーススタディは、学術と実践の両方の環境でAIを統合することで、このフレームワークを検証する。
  論文  参考訳（メタデータ） (2024-09-25T12:39:28Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Fair by design: A sociotechnical approach to justifying the fairness of AI-enabled systems across the lifecycle [0.8164978442203773]
  公正性は、既存のAIガイドラインにおいて最もよく認識される倫理的原則の1つである。 公正なAI対応システムの開発は、新たなAI規制によって要求される。
  論文  参考訳（メタデータ） (2024-06-13T12:03:29Z)
• 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)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。