論文の概要: AI Product Value Assessment Model: An Interdisciplinary Integration Based on Information Theory, Economics, and Psychology

• arxiv url: http://arxiv.org/abs/2508.16714v1
• Date: Fri, 22 Aug 2025 15:51:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.143855
• Title: AI Product Value Assessment Model: An Interdisciplinary Integration Based on Information Theory, Economics, and Psychology
• Title（参考訳）: AI製品価値評価モデル:情報理論、経済学、心理学に基づく学際的統合
• Authors: Yu yang,
• Abstract要約: 本稿では,情報理論のエントロピー低減原理,経済学の有界合理性フレームワーク,AI製品価値を定量化するための心理学の不合理性決定理論を統合する多次元評価モデルを開発する。 非線形公式は因子結合を捕捉し、10の商用ケースによる検証は、成功と失敗を区別するモデルの有効性を示す。
• 参考スコア（独自算出の注目度）: 5.57756598733474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, breakthroughs in artificial intelligence (AI) technology have triggered global industrial transformations, with applications permeating various fields such as finance, healthcare, education, and manufacturing. However, this rapid iteration is accompanied by irrational development, where enterprises blindly invest due to technology hype, often overlooking systematic value assessments. This paper develops a multi-dimensional evaluation model that integrates information theory's entropy reduction principle, economics' bounded rationality framework, and psychology's irrational decision theories to quantify AI product value. Key factors include positive dimensions (e.g., uncertainty elimination, efficiency gains, cost savings, decision quality improvement) and negative risks (e.g., error probability, impact, and correction costs). A non-linear formula captures factor couplings, and validation through 10 commercial cases demonstrates the model's effectiveness in distinguishing successful and failed products, supporting hypotheses on synergistic positive effects, non-linear negative impacts, and interactive regulations. Results reveal value generation logic, offering enterprises tools to avoid blind investments and promote rational AI industry development. Future directions include adaptive weights, dynamic mechanisms, and extensions to emerging AI technologies like generative models.
• Abstract（参考訳）: 近年、人工知能(AI)技術のブレークスルーは、金融、医療、教育、製造業といった様々な分野に浸透するアプリケーションによって、グローバルな産業変革を引き起こしている。 しかし、この迅速なイテレーションには不合理な開発が伴い、企業が技術的誇大広告のために盲目的に投資し、しばしば体系的な価値評価を見落としている。 本稿では,情報理論のエントロピー低減原理,経済学の有界合理性フレームワーク,AI製品価値を定量化するための心理学の不合理性決定理論を統合する多次元評価モデルを開発する。 主な要因は、正の次元(例えば、不確実性排除、効率向上、コスト削減、意思決定品質の改善)と負のリスク(例えば、エラー確率、影響、修正コスト)である。 非線形公式は因子結合を捕捉し、10の商業事例による検証は、成功と失敗を区別するモデルの有効性を示し、相乗的正の効果、非線形の負の影響、および対話的規制に関する仮説を支持する。 その結果、価値生成ロジックが明らかになり、盲目な投資を避け、合理的なAI産業の発展を促進する企業ツールが提供される。 今後の方向性には、適応ウェイト、動的メカニズム、生成モデルのような新たなAIテクノロジの拡張などが含まれる。

関連論文リスト

• Evaluation Framework for AI Systems in "the Wild" [37.48117853114386]
  ジェネレーティブAI(GenAI)モデルは、業界全体で重要になっているが、現在の評価手法は、その普及に適応していない。 従来の評価は、しばしばベンチマークや固定データセットに依存し、実世界のパフォーマンスを反映しないことが多い。 本稿では,実世界のGenAIシステムを評価するための包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-04-23T14:52:39Z)
• Generative AI and Information Asymmetry: Impacts on Adverse Selection and Moral Hazard [7.630624512225164]
  情報非対称性は、経済市場において有害な選択とモラルハザードをもたらす。 本研究では、生成人工知能(AI)が詳細な情報信号を生成する方法について検討する。 ジェネレーティブAIは、有害な選択とモラルハザードを効果的に軽減し、より効率的な市場効果と社会的福祉をもたらす。
  論文  参考訳（メタデータ） (2025-02-18T15:48:29Z)
• Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
  ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている 生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。 ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
  論文  参考訳（メタデータ） (2024-10-26T15:42:50Z)
• Predicting the Impact of Generative AI Using an Agent-Based Model [0.0]
  生成人工知能(AI)システムは、人間の創造性を模倣するコンテンツを自律的に生成することで産業を変革した。 本稿ではエージェント・ベース・モデリング(ABM)を用いてこれらの意味を探索する。 ABMは個人、ビジネス、政府エージェントを統合し、教育、スキル獲得、AIの採用、規制対応などのダイナミクスをシミュレートする。
  論文  参考訳（メタデータ） (2024-08-30T13:13:56Z)
• On the Trade-offs between Adversarial Robustness and Actionable Explanations [32.05150063480917]
  本研究は, 対向的に頑健なモデルが動作可能な説明に与える影響を初めて研究する試みである。 提案手法は,最先端のアルゴリズムが生成する手法のコストと妥当性の差に関する理論的境界を導出する。 その結果, 逆向き頑健なモデルでは, コストが大幅に増加し, 結果の妥当性が低下することが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T13:59:50Z)
• Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics [0.0]
  我々は,モデル予測が説明できる範囲を定量化するために,6つの異なるモデルに依存しないメトリクスを開発した。 これらのメトリクスは、局所的な重要性、グローバルな重要性、代理予測など、モデル説明可能性のさまざまな側面を測定する。 分類と回帰タスクにおけるこれらのメトリクスの実用性を実証し、これらのメトリクスを公開のために既存のPythonパッケージに統合する。
  論文  参考訳（メタデータ） (2023-02-23T15:28:36Z)
• 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)
• 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)
• Avoiding Negative Side Effects due to Incomplete Knowledge of AI Systems [35.763408055286355]
  エージェントの行動の負の副作用を認識して回避する学習は、自律システムの安全性と信頼性を向上させるために重要である。 ネガティブな副作用の緩和は、AIシステムの展開が急速に増加しているために注目が集まっている、新たな研究トピックである。 本稿は、様々な形態の負の副作用と、それらに対処する最近の研究成果について概説する。
  論文  参考訳（メタデータ） (2020-08-24T16:48:46Z)

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。