Fugu-MT 論文翻訳(概要): The Quest for Reliable Metrics of Responsible AI

論文の概要: The Quest for Reliable Metrics of Responsible AI

arxiv url: http://arxiv.org/abs/2510.26007v1
Date: Wed, 29 Oct 2025 22:35:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-31 16:05:09.595393
Title: The Quest for Reliable Metrics of Responsible AI
Title（参考訳）: 責任あるAIの信頼性基準の探求
Authors: Theresia Veronika Rampisela, Maria Maistro, Tuukka Ruotsalo, Christina Lioma,
Abstract要約: AI in Science(AIS)を含むAIの開発は、責任あるAIの原則に従って行われるべきである。我々は、AIアプリケーションの一種であるレコメンダシステムに対するフェアネス指標の堅牢性を調べる以前の研究を反映する。私たちのガイドラインはAISを含む幅広いAIアプリケーションに適用されます。
参考スコア（独自算出の注目度）: 16.858097936239904
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The development of Artificial Intelligence (AI), including AI in Science (AIS), should be done following the principles of responsible AI. Progress in responsible AI is often quantified through evaluation metrics, yet there has been less work on assessing the robustness and reliability of the metrics themselves. We reflect on prior work that examines the robustness of fairness metrics for recommender systems as a type of AI application and summarise their key takeaways into a set of non-exhaustive guidelines for developing reliable metrics of responsible AI. Our guidelines apply to a broad spectrum of AI applications, including AIS.
Abstract（参考訳）: AI(AI in Science)を含む人工知能(AI)の開発は、責任あるAIの原則に従って行われるべきである。責任あるAIの進歩は評価指標によって定量化されることが多いが、メトリクス自体の堅牢性と信頼性を評価する作業は少ない。我々は、リコメンデータシステムのためのフェアネスメトリクスの堅牢性をAIアプリケーションの一種として検証し、主要な成果を、責任あるAIの信頼性のあるメトリクスを開発するための一連の非排除的ガイドラインに要約する以前の作業について考察する。私たちのガイドラインはAISを含む幅広いAIアプリケーションに適用されます。

関連論文リスト

A Question Bank to Assess AI Inclusivity: Mapping out the Journey from Diversity Errors to Inclusion Excellence [5.364403920214549]
本稿では,AIの傾きを評価するために設計された253の質問からなる,構造化されたAI傾き質問銀行を紹介する。質問銀行の開発には、文献レビューやD&Iガイドライン、責任あるAIフレームワークからの洞察を取り入れた、反復的なマルチソースアプローチが含まれていた。シミュレーション評価は、異なるAIジョブに関連する70のAI生成ペルソナを用いて実施され、質問銀行のAIインクリビティとの関連性と有効性を評価した。
論文参考訳（メタデータ） (2025-06-23T11:48:38Z)
The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文参考訳（メタデータ） (2025-06-09T18:37:14Z)
General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
論文参考訳（メタデータ） (2025-03-09T01:13:56Z)
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)
Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文参考訳（メタデータ） (2024-02-21T08:29:42Z)
POLARIS: A framework to guide the development of Trustworthy AI systems [3.02243271391691]
ハイレベルなAI倫理原則と、AI専門家のための低レベルな具体的なプラクティスの間には、大きなギャップがある。我々は、理論と実践のギャップを埋めるために設計された、信頼に値するAIのための新しい総合的なフレームワークを開発する。私たちの目標は、AIプロフェッショナルが信頼できるAIの倫理的側面を確実にナビゲートできるようにすることです。
論文参考訳（メタデータ） (2024-02-08T01:05:16Z)
Towards a Responsible AI Metrics Catalogue: A Collection of Metrics for AI Accountability [28.67753149592534]
本研究は,包括的メトリクスカタログへの取り組みを導入することで,説明責任のギャップを埋めるものである。我々のカタログは、手続き的整合性を支えるプロセスメトリクス、必要なツールやフレームワークを提供するリソースメトリクス、AIシステムのアウトプットを反映する製品メトリクスを記述しています。
論文参考訳（メタデータ） (2023-11-22T04:43:16Z)
Guideline for Trustworthy Artificial Intelligence -- AI Assessment Catalog [0.0]
AIアプリケーションとそれに基づくビジネスモデルが、高品質な標準に従って開発されている場合にのみ、その潜在能力を最大限に発揮できることは明らかです。 AIアプリケーションの信頼性の問題は非常に重要であり、多くの主要な出版物の主題となっている。このAIアセスメントカタログは、まさにこの点に対応しており、2つのターゲットグループを対象としている。
論文参考訳（メタデータ） (2023-06-20T08:07:18Z)
RE-centric Recommendations for the Development of Trustworthy(er) Autonomous Systems [4.268504966623082]
EU AI Act(AIA)ガイドラインを遵守し、AIシステムの開発と実装は、間もなくEU内で必須となる。実践者は、AIシステム開発中に倫理を運用するための実行可能な指示を欠いている。異なる倫理的ガイドラインの文献レビューでは、対処された原則とそれらを記述するために使用される用語の矛盾が明らかになった。
論文参考訳（メタデータ） (2023-05-29T11:57:07Z)
Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文参考訳（メタデータ） (2022-01-26T18:53:09Z)
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。