論文の概要: Hybrid Neuro-Symbolic Models for Ethical AI in Risk-Sensitive Domains

• arxiv url: http://arxiv.org/abs/2511.17644v1
• Date: Thu, 20 Nov 2025 03:39:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.323521
• Title: Hybrid Neuro-Symbolic Models for Ethical AI in Risk-Sensitive Domains
• Title（参考訳）: リスク感性ドメインにおける倫理的AIのためのハイブリッドニューロシンボリックモデル
• Authors: Chaitanya Kumar Kolli,
• Abstract要約: ハイブリッドニューロシンボリックモデルは、ニューラルネットワークのパターン認識強度と、シンボリック推論の解釈可能性と論理的厳密さを組み合わせている。 本稿では, ハイブリッドアーキテクチャ, 倫理設計の考察, および, 信頼性と説明責任のバランスをとる展開パターンについて検討する。
• 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: Artificial intelligence deployed in risk-sensitive domains such as healthcare, finance, and security must not only achieve predictive accuracy but also ensure transparency, ethical alignment, and compliance with regulatory expectations. Hybrid neuro symbolic models combine the pattern-recognition strengths of neural networks with the interpretability and logical rigor of symbolic reasoning, making them well-suited for these contexts. This paper surveys hybrid architectures, ethical design considerations, and deployment patterns that balance accuracy with accountability. We highlight techniques for integrating knowledge graphs with deep inference, embedding fairness-aware rules, and generating human-readable explanations. Through case studies in healthcare decision support, financial risk management, and autonomous infrastructure, we show how hybrid systems can deliver reliable and auditable AI. Finally, we outline evaluation protocols and future directions for scaling neuro symbolic frameworks in complex, high stakes environments.
• Abstract（参考訳）: 医療、金融、セキュリティといったリスクに敏感な分野に展開される人工知能は、予測精度を達成するだけでなく、透明性、倫理的整合性、規制の期待に準拠することを保証する必要がある。 ハイブリッドニューロシンボリックモデルは、ニューラルネットワークのパターン認識強度と、シンボリック推論の解釈可能性と論理的厳密さを組み合わせることで、これらの文脈に適している。 本稿では, ハイブリッドアーキテクチャ, 倫理設計の考察, および, 信頼性と説明責任のバランスをとる展開パターンについて検討する。 我々は、知識グラフを深い推論と統合し、公正なルールを埋め込んだり、人間可読な説明を生成する技術を強調した。 医療意思決定支援、金融リスク管理、自律的なインフラのケーススタディを通じて、ハイブリッドシステムが信頼性と監査可能なAIを提供する方法を示す。 最後に、複雑で高利害な環境での神経シンボルフレームワークのスケーリングに関する評価プロトコルと今後の方向性について概説する。

関連論文リスト

• Agentic AI: A Comprehensive Survey of Architectures, Applications, and Future Directions [10.453339156813852]
  エージェントAIは、人工知能の変革的な変化を表している。 その急速な進歩は断片的な理解をもたらし、しばしば時代遅れの記号モデルと現代の神経システムを融合させた。 この調査では、エージェントシステムを2つの異なる系統に分類する、新しいデュアルパラダイムフレームワークを紹介した。
  論文  参考訳（メタデータ） (2025-10-29T12:11:34Z)
• Assured Autonomy with Neuro-Symbolic Perception [11.246557832016238]
  サイバー物理システム(CPS)にデプロイされる最先端AIモデルの多くは、パターンマッチングである。 セキュリティの保証が限られているため、安全クリティカルなドメインと競合するドメインの信頼性が懸念される。 本稿では,データ駆動型知覚モデルにシンボル構造を付与するパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2025-05-27T15:21:06Z)
• Neurosymbolic AI for Travel Demand Prediction: Integrating Decision Tree Rules into Neural Networks [21.445133878049333]
  本研究では、決定木(DT)に基づくシンボルルールとニューラルネットワーク(NN)を統合し、旅行需要を予測するニューロシンボリック人工知能(Neurosymbolic AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-02T05:10:31Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Building Trustworthy NeuroSymbolic AI Systems: Consistency, Reliability, Explainability, and Safety [11.933469815219544]
  我々は、NeuroSymbolicメソッド上で、一貫性、信頼性、ユーザレベルの説明可能性、安全性がどのように構築されているかを示すCRESTフレームワークを紹介します。 この記事では、CRESTフレームワーク内で選択されたAIシステムとして、Large Language Models(LLM)に焦点を当てる。
  論文  参考訳（メタデータ） (2023-12-05T06:13:55Z)
• Knowledge-enhanced Neuro-Symbolic AI for Cybersecurity and Privacy [3.425341633647625]
  ニューロシンボリック人工知能は、ニューラルネットワークと明示的でシンボリックな知識グラフのサブシンボリックな強さを組み合わせる。 この記事では、最も要求の多い2つのドメインであるサイバーセキュリティとプライバシのアプリケーションが、Neuro-Symbolic AIの恩恵を受ける方法について説明する。
  論文  参考訳（メタデータ） (2023-07-25T01:29:34Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。