論文の概要: Model Cards Revisited: Bridging the Gap Between Theory and Practice for Ethical AI Requirements

• arxiv url: http://arxiv.org/abs/2507.06014v1
• Date: Tue, 08 Jul 2025 14:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:38.158688
• Title: Model Cards Revisited: Bridging the Gap Between Theory and Practice for Ethical AI Requirements
• Title（参考訳）: モデルカードの再考:倫理的AI要件の理論と実践のギャップを埋める
• Authors: Tim Puhlfürß, Julia Butzke, Walid Maalej,
• Abstract要約: モデルカードは、人工知能(AI)モデルの開発者のための主要なドキュメントフレームワークである。 最近の研究は、モデルドキュメンテーションのプラクティスが不十分であることを示し、モデルドキュメンテーションにおけるAI要件と現在のプラクティスのギャップを示唆している。 われわれの分類学は、倫理的AI要件に準じて対処する改訂されたモデルカードフレームワークの基礎として機能する。
• 参考スコア（独自算出の注目度）: 6.99674326582747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model cards are the primary documentation framework for developers of artificial intelligence (AI) models to communicate critical information to their users. Those users are often developers themselves looking for relevant documentation to ensure that their AI systems comply with the ethical requirements of existing laws, guidelines, and standards. Recent studies indicate inadequate model documentation practices, suggesting a gap between AI requirements and current practices in model documentation. To understand this gap and provide actionable guidance to bridge it, we conducted a thematic analysis of 26 guidelines on ethics and AI, three AI documentation frameworks, three quantitative studies of model cards, and ten actual model cards. We identified a total of 43 ethical requirements relevant to model documentation and organized them into a taxonomy featuring four themes and twelve sub-themes representing ethical principles. Our findings indicate that model developers predominantly emphasize model capabilities and reliability in the documentation while overlooking other ethical aspects, such as explainability, user autonomy, and fairness. This underscores the need for enhanced support in documenting ethical AI considerations. Our taxonomy serves as a foundation for a revised model card framework that holistically addresses ethical AI requirements.
• Abstract（参考訳）: モデルカードは、人工知能(AI)モデルの開発者がユーザーに重要な情報を伝達するための主要なドキュメントフレームワークである。 これらのユーザは、しばしば、AIシステムが既存の法律、ガイドライン、標準の倫理的要件に準拠するように、関連するドキュメントを探している開発者です。 最近の研究は、モデルドキュメンテーションのプラクティスが不十分であることを示し、モデルドキュメンテーションにおけるAI要件と現在のプラクティスのギャップを示唆している。 このギャップを理解し、それを橋渡しするための実用的なガイダンスを提供するために、倫理とAIに関する26のガイドライン、AIドキュメントフレームワーク3つ、モデルカードの定量的研究3つ、実際のモデルカード10つをテーマとして分析した。 そこで我々は,43の倫理的要件をモデル化し,これらを4つのテーマと12のサブテーマからなる分類群に分類した。 モデル開発者は、説明可能性、ユーザ自律性、公正性といった他の倫理的側面を見越しながら、ドキュメントにおけるモデル機能と信頼性を主に重視している。 これにより、倫理的AI考慮事項の文書化におけるサポート強化の必要性が浮き彫りになる。 われわれの分類学は、倫理的AI要件に準じて対処する改訂されたモデルカードフレームワークの基礎として機能する。

関連論文リスト

• Establishing Knowledge Preference in Language Models [80.70632813935644]
  言語モデルは事前学習を通じて大量の事実知識を符号化することが知られている。 このような知識はユーザーからの要求に応えるには不十分かもしれない。 進行中のイベントに関する質問に答える場合には、最新のニュース記事を使って回答を更新する必要がある。 ある事実がモデルで編集されると、更新された事実はモデルによって学習されたすべての事前知識をオーバーライドする。
  論文  参考訳（メタデータ） (2024-07-17T23:16:11Z)
• Documenting Ethical Considerations in Open Source AI Models [8.517777178514242]
  本研究では,開発者がオープンソースAIモデルの倫理的側面を実際にどのように文書化しているかを検討する。 2,347の文書の最初の集合をフィルタリングした後、265の関連文書を特定した。 モデル行動リスク、モデルユースケース、モデルリスク軽減の6つのテーマが浮かび上がっています。
  論文  参考訳（メタデータ） (2024-06-26T05:02:44Z)
• What's documented in AI? Systematic Analysis of 32K AI Model Cards [40.170354637778345]
  我々は、Hugging Face上で32,111のAIモデルドキュメンテーションを包括的に分析する。 かなりダウンロードされたAIモデルのほとんどはモデルカードを提供するが、カードには不明確な情報がある。 その結果, 環境影響, 限界, 評価に対処する区間は, 最下位の充足率を示す一方, トレーニング区間は最下位の充足率を示すことがわかった。
  論文  参考訳（メタデータ） (2024-02-07T18:04:32Z)
• Unpacking the Ethical Value Alignment in Big Models [46.560886177083084]
  本稿では,ビッグモデルに関連するリスクと課題の概要,既存のAI倫理ガイドラインを調査し,これらのモデルの限界から生じる倫理的影響について考察する。 本稿では,大規模モデルの倫理的価値を整合させる新しい概念パラダイムを導入し,アライメント基準,評価,方法に関する有望な研究方向性について議論する。
  論文  参考訳（メタデータ） (2023-10-26T16:45:40Z)
• Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
  本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。 提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
  論文  参考訳（メタデータ） (2022-09-20T09:16:05Z)
• Bi-VLDoc: Bidirectional Vision-Language Modeling for Visually-Rich Document Understanding [88.88844606781987]
  マルチモーダル文書事前学習モデルは、様々な視覚的にリッチな文書理解(VrDU)タスクにおいて非常に効果的であることが証明されている。 ドキュメント上の視覚と言語間の相互作用をモデル化し、活用する方法は、より優れた一般化能力とより高い精度から妨げられている。 本稿では,VrDUにおける視覚言語共同表現学習の問題点について,主に監視信号の観点から検討する。
  論文  参考訳（メタデータ） (2022-06-27T09:58:34Z)
• Evaluating a Methodology for Increasing AI Transparency: A Case Study [8.265282762929509]
  人工知能の潜在的な害に対する懸念が高まる中、社会はAIモデルとシステムがどのように作成され、使用されるかについて、より透明性を求めるようになった。 これらの懸念に対処するため、いくつかの取り組みが、モデル開発者が答えるべき質問を含むドキュメンテーションテンプレートを提案している。 多様なドキュメントコンシューマのニーズをカバーできるテンプレートはひとつもありません。
  論文  参考訳（メタデータ） (2022-01-24T20:01:01Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)

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。