論文の概要: The Economics of Information Pollution in the Age of AI: A General Equilibrium Approach to Welfare, Measurement, and Policy

• arxiv url: http://arxiv.org/abs/2509.13729v1
• Date: Wed, 17 Sep 2025 06:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.739182
• Title: The Economics of Information Pollution in the Age of AI: A General Equilibrium Approach to Welfare, Measurement, and Policy
• Title（参考訳）: AI時代の情報汚染の経済学 : 福祉・測定・政策への一般均衡的アプローチ
• Authors: Yukun Zhang, Tianyang Zhang,
• Abstract要約: LLM(Large Language Models)の出現は、情報生産の経済性に対する根本的なショックである。 高品質な合成コンテンツを生成するための限界コストを非対称に崩壊させると同時に、高品質な生産をコスト的に残すことで、AIは情報汚染を体系的に動機付ける。 本稿では,この課題を解析するための一般均衡フレームワークを開発する。
• 参考スコア（独自算出の注目度）: 4.887749221165767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of Large Language Models (LLMs) represents a fundamental shock to the economics of information production. By asymmetrically collapsing the marginal cost of generating low-quality, synthetic content while leaving high-quality production costly, AI systematically incentivizes information pollution. This paper develops a general equilibrium framework to analyze this challenge. We model the strategic interactions among a monopolistic platform, profit-maximizing producers, and utility-maximizing consumers in a three-stage game. The core of our model is a production technology with differential elasticities of substitution ($\sigma_L > 1 > \sigma_H$), which formalizes the insight that AI is a substitute for labor in low-quality production but a complement in high-quality creation. We prove the existence of a unique "Polluted Information Equilibrium" and demonstrate its inefficiency, which is driven by a threefold market failure: a production externality, a platform governance failure, and an information commons externality. Methodologically, we derive a theoretically-grounded Information Pollution Index (IPI) with endogenous welfare weights to measure ecosystem health. From a policy perspective, we show that a first-best outcome requires a portfolio of instruments targeting each failure. Finally, considering the challenges of deep uncertainty, we advocate for an adaptive governance framework where policy instruments are dynamically adjusted based on real-time IPI readings, offering a robust blueprint for regulating information markets in the age of AI.
• Abstract（参考訳）: LLM(Large Language Models)の出現は、情報生産の経済性に対する根本的なショックである。 高品質な合成コンテンツを生成するための限界コストを非対称に崩壊させると同時に、高品質な生産をコスト的に残すことで、AIは情報汚染を体系的に動機付ける。 本稿では,この課題を解析するための一般均衡フレームワークを開発する。 3段階のゲームにおいて、独占的なプラットフォーム、利益を最大化するプロデューサ、ユーティリティを最大化するコンシューマ間の戦略的相互作用をモデル化する。 我々のモデルの中核は、置換の弾力性が異なる生産技術(『\sigma_L > 1 > \sigma_H$』)であり、AIは低品質生産における労働の代用であり、高品質生産の補完であるという考えを定式化したものである。 我々は、ユニークな「汚染情報平衡(Polluted Information Equilibrium)」の存在を証明し、生産の外部性、プラットフォームガバナンスの失敗、情報の共通性といった、市場の3倍の失敗によって引き起こされるその非効率性を実証する。 方法として,内因性福祉重みを指標とした理論的基盤情報汚染指数(IPI)を導出し,生態系の健康状態を測定する。 政策の観点からは、最優先の結果には各障害を対象とする計器のポートフォリオが必要であることが示される。 最後に,AI時代の情報市場を規制するための堅牢な青写真を提供するとともに,リアルタイムIPIの読解に基づいて政策指標を動的に調整する適応型ガバナンスフレームワークを提唱する。

関連論文リスト

• AI Product Value Assessment Model: An Interdisciplinary Integration Based on Information Theory, Economics, and Psychology [5.57756598733474]
  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。
  論文  参考訳（メタデータ） (2025-08-22T15:51:14Z)
• Cost-Optimal Active AI Model Evaluation [71.2069549142394]
  生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。 我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。 我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
  論文  参考訳（メタデータ） (2025-06-09T17:14:41Z)
• Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation [0.0]
  我々は4つの主要結合カテゴリ(AAA、BAA、US10Y)の高忠実な合成結合収率データを生成する。 我々は、取引信号、リスク評価、ボラティリティ予測を生成する微調整されたLarge Language Model (LLM) Qwen2.5-7Bを採用している。 強化学習による合成データ生成は、平均絶対誤差が0.103に達し、実世界の債券市場のダイナミクスを複製する効果を実証する。
  論文  参考訳（メタデータ） (2025-02-24T09:46:37Z)
• Modelling of Economic Implications of Bias in AI-Powered Health Emergency Response Systems [0.0]
  我々は,アルゴリズムバイアスが資源配分,健康結果,社会福祉に与える影響を分析する。 公平性に制約された最適化、アルゴリズム調整、政策介入を含む緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-26T17:11:23Z)
• 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)
• Fairness And Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, And Mitigation Strategies [11.323961700172175]
  この調査論文は、AIの公平性とバイアスに関する簡潔で包括的な概要を提供する。 我々は、データ、アルゴリズム、人間の決定バイアスなどのバイアス源をレビューする。 偏りのあるAIシステムの社会的影響を評価し,不平等の持続性と有害なステレオタイプの強化に着目した。
  論文  参考訳（メタデータ） (2023-04-16T03:23:55Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Solving Heterogeneous General Equilibrium Economic Models with Deep Reinforcement Learning [0.0]
  一般均衡マクロ経済モデルは、政策立案者が国の経済を理解するために使う中核ツールである。 私たちは強化学習の手法を使って、単純で異種で計算効率の良い方法でこれらのモデルを解く。
  論文  参考訳（メタデータ） (2021-03-31T10:55:10Z)
• Supercharging Imbalanced Data Learning With Energy-based Contrastive Representation Transfer [72.5190560787569]
  コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。 本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。 これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
  論文  参考訳（メタデータ） (2020-11-25T00:13:11Z)

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。