論文の概要: Tackling the Algorithmic Control Crisis -- the Technical, Legal, and Ethical Challenges of Research into Algorithmic Agents
- arxiv url: http://arxiv.org/abs/2510.25337v1
- Date: Wed, 29 Oct 2025 09:52:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-30 15:50:45.386666
- Title: Tackling the Algorithmic Control Crisis -- the Technical, Legal, and Ethical Challenges of Research into Algorithmic Agents
- Title（参考訳）: アルゴリズム制御危機に対処する - アルゴリズムエージェント研究の技術的、法的、倫理的課題-
- Authors: B. Bodo, N. Helberger, K. Irion, F. Zuiderveen Borgesius, J. Moller, B. Van der Velde, N. Bol, B. van Es, C. de Vreese,
- Abstract要約: 本稿では,アルゴリズムレコメンデータの個人的および社会的効果を研究するための一つの可能なアプローチについて述べる。
本論文は,アルゴリズムガバナンスに関する倫理的かつ法的に健全な研究に対する,異なるアプローチの相対的なメリット,コスト,メリットに関する議論に寄与する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Algorithmic agents permeate every instant of our online existence. Based on our digital profiles built from the massive surveillance of our digital existence, algorithmic agents rank search results, filter our emails, hide and show news items on social networks feeds, try to guess what products we might buy next for ourselves and for others, what movies we want to watch, and when we might be pregnant. Algorithmic agents select, filter, and recommend products, information, and people. Increasingly, algorithmic agents don't just select from the range of human created alternatives, but also they create. Burgeoning algorithmic agents are capable of providing us with content made just for us, and engage with us through one-of-a-kind, personalized interactions. Studying these algorithmic agents presents a host of methodological, ethical, and logistical challenges. The objectives of our paper are two-fold. The first aim is to describe one possible approach to researching the individual and societal effects of algorithmic recommenders, and to share our experiences with the academic community. The second is to contribute to a more fundamental discussion about the ethical and legal issues of "tracking the trackers", as well as the costs and trade-offs involved. Our paper will contribute to the discussion on the relative merits, costs and benefits of different approaches to ethically and legally sound research on algorithmic governance. We will argue that besides shedding light on how users interact with algorithmic agents, we also need to be able to understand how different methods of monitoring our algorithmically controlled digital environments compare to each other in terms of costs and benefits. We conclude our article with a number of concrete suggestions for how to address the practical, ethical and legal challenges of researching algorithms and their effects on users and society.
- Abstract（参考訳）: アルゴリズムエージェントは、私たちのオンライン存在のあらゆる瞬間に浸透します。
当社のデジタルプロフィールは、我々のデジタル存在の大規模な監視から構築されたもので、アルゴリズムエージェントは検索結果をランク付けし、メールをフィルタリングし、ソーシャルネットワークのフィードにニュースアイテムを隠して表示する。
アルゴリズムエージェントは、製品、情報、人々を選別し、フィルタリングし、推薦する。
アルゴリズムのエージェントは、人間が作った代替品の幅だけでなく、それらが作るものも選びます。
アルゴリズムエージェントをバージョニングすることで、私たちだけのために作られたコンテンツを提供し、一対一のパーソナライズされたインタラクションを通じて私たちと関わり合うことができます。
これらのアルゴリズムエージェントの研究は、方法論的、倫理的、論理的課題のホストを提示している。
私たちの論文の目的は2つある。
最初の目的は、アルゴリズムレコメンデータの個人的および社会的効果を研究するための1つの可能なアプローチを説明し、我々の経験を学術的コミュニティと共有することである。
2つ目は、"トラッカーを追跡する"という倫理的および法的問題と、関連するコストとトレードオフに関するより基本的な議論に貢献することである。
本論文は,アルゴリズムガバナンスに関する倫理的かつ法的に健全な研究に対する,異なるアプローチの相対的なメリット,コスト,メリットに関する議論に寄与する。
私たちは、ユーザーがアルゴリズムエージェントとどのように相互作用するかに光を当てる以外に、アルゴリズムによって制御されたデジタル環境を監視する異なる方法が、コストと利益の観点から相互にどのように比較されるかを理解する必要がある、と論じる。
本稿では,アルゴリズム研究における実践的,倫理的,法的課題とそのユーザおよび社会への影響に対処するための具体的な提案をまとめてまとめる。
関連論文リスト
- Algorithmic Collusion of Pricing and Advertising on E-commerce Platforms [0.0]
オンライン販売者は、Eコマースプラットフォーム上で製品価格と広告決定を自動的に行うためにAI学習アルゴリズムを採用してきた。
アルゴリズムは競争力よりも高いコーディネートを学習する。
販売者が価格決定と広告決定を一緒に行う場合、これらの懸念が有効かどうかを実証的に検討する。
論文 参考訳（メタデータ） (2025-08-09T18:44:17Z) - Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。
計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。
学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
論文 参考訳（メタデータ） (2024-07-01T16:53:00Z) - Approaches to the Algorithmic Allocation of Public Resources: A
Cross-disciplinary Review [0.0]
我々は,アルゴリズム割り当ての異なる分野に対するアプローチを理解するために,クロスディシプリナ文献レビューを行った。
最適化目標、テクニック、解釈可能性、柔軟性、バイアス、倫理的考慮、パフォーマンスのレンズから75の論文を分析した。
最適化手法は待ち時間を減らし、成功率を最大50%向上させる。
論文 参考訳（メタデータ） (2023-10-10T09:46:01Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [70.45113777449373]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
既存のアルゴリズムを比較し、より良いアルゴリズムを開発する上で重要な課題は、公開された金標準データの欠如である。
研究コミュニティにリリースした類似度スコアの新しいデータセットを収集します。
論文 参考訳（メタデータ） (2023-03-23T16:15:03Z) - A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。
この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。
我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
論文 参考訳（メタデータ） (2022-06-24T20:23:33Z) - How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。
9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。
我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
論文 参考訳（メタデータ） (2021-10-26T22:14:47Z) - Beyond Algorithmic Bias: A Socio-Computational Interrogation of the
Google Search by Image Algorithm [0.799536002595393]
アルゴリズムを、すべての年齢と4種以上の人種の40万以上の顔で提示することで、監査する。
このアルゴリズムは、しばしば、女性および非白人個人を単純化し、ステレオタイピングし、識別する、白人男性の家長構造を再現する。
論文 参考訳（メタデータ） (2021-05-26T21:40:43Z) - Exploration and Incentives in Reinforcement Learning [107.42240386544633]
各エージェントが同一(ただし未知)のMDPに直面する複雑な探索問題を考察する。
エージェントはポリシーの選択を制御するが、アルゴリズムは推奨事項のみを発行できる。
MDPのすべての到達可能な状態を探索するアルゴリズムを設計します。
論文 参考訳（メタデータ） (2021-02-28T00:15:53Z) - Problematic Machine Behavior: A Systematic Literature Review of
Algorithm Audits [0.0]
このレビューは、PRISMAガイドラインに従い、62のアルゴリズム監査研究を生んだ500以上の英文記事のレビューです。
研究は、主に行動(差別、歪み、搾取、誤判定)によって合成され、組織されます。
この論文は、監査の成功の共通要素を提供し、幅広い研究の文脈でアルゴリズム監査について議論することで締めくくっている。
論文 参考訳（メタデータ） (2021-02-03T19:21:11Z) - A black-box adversarial attack for poisoning clustering [78.19784577498031]
本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。
我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
論文 参考訳（メタデータ） (2020-09-09T18:19:31Z) - Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。
悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。
また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
論文 参考訳（メタデータ） (2020-02-10T15:04:09Z)
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。