論文の概要: Mapping the Probabilistic AI Ecosystem in Criminal Justice in England and Wales
- arxiv url: http://arxiv.org/abs/2512.04116v1
- Date: Mon, 01 Dec 2025 14:56:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:45.788558
- Title: Mapping the Probabilistic AI Ecosystem in Criminal Justice in England and Wales
- Title（参考訳）: 英国とウェールズの刑事司法における確率的AIエコシステムのマッピング
- Authors: Evdoxia Taka, Temitope Lawal, Muffy Calder, Michele Sevegnani, Kyriakos Kotsoglou, Elizabeth McClory-Tiarks, Marion Oswald,
- Abstract要約: 本稿では,犯罪司法(CJ)段階における確率的AIツールを体系的にマッピングするための方法論を提案する。
また、データをどうやって収集し、最初の結果を示すかを説明します。
この調査は進行中であり、英国警察組織、政府、法務機関と協業しています。
- 参考スコア（独自算出の注目度）: 0.5863360388454261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Commercial or in-house developments of probabilistic AI systems are introduced in policing and the wider criminal justice (CJ) system worldwide, often on a force-by-force basis. We developed a systematic way to characterise probabilistic AI tools across the CJ stages in a form of mapping with the aim to provide a coherent presentation of the probabilistic AI ecosystem in CJ. We use the CJ system in England and Wales as a paradigm. This map will help us better understand the extent of AI's usage in this domain (how, when, and by whom), its purpose and potential benefits, its impact on people's lives, compare tools, and identify caveats (bias, obscured or misinterpreted probabilistic outputs, cumulative effects by AI systems feeding each other, and breaches in the protection of sensitive data), as well as opportunities for future implementations. In this paper we present our methodology for systematically mapping the probabilistic AI tools in CJ stages and characterising them based on the modes of data consumption or production. We also explain how we collect the data and present our initial findings. This research is ongoing and we are engaging with UK Police organisations, and government and legal bodies. Our findings so far suggest a strong reliance on private sector providers, and that there is a growing interest in generative technologies and specifically Large Language Models (LLMs).
- Abstract（参考訳）: 確率的AIシステムの商業的または社内開発は、警察や世界中の広い刑事司法(CJ)システムにおいて導入され、しばしば強制的に行われる。
我々は、CJの確率的AIエコシステムの一貫性のあるプレゼンテーションを提供することを目的として、CJステージ全体にわたる確率的AIツールをマッピング形式で特徴付ける体系的な方法を開発した。
我々は、イングランドとウェールズのCJシステムをパラダイムとして使用しています。
このマップは、この領域におけるAIの使用範囲(どのように、いつ、誰が、誰が、その目的と潜在的な利益、人々の生活への影響、ツールの比較、注意点(バイアス、曖昧で誤解された確率的アウトプット、AIシステムによる累積的な影響、機密データ保護の侵害)の特定、そして将来の実装の機会を理解するのに役立ちます。
本稿では,CJ段階における確率的AIツールを体系的にマッピングし,データ消費や生産のモードに基づいて特徴付ける手法を提案する。
また、データをどうやって収集し、最初の結果を示すかを説明します。
この調査は進行中であり、英国警察組織、政府、法務機関と協業しています。
以上の結果から, 民間企業への依存が強く, 生成技術, 特にLarge Language Models (LLMs) への関心が高まっていることが示唆された。
関連論文リスト
- AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。
このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
論文 参考訳（メタデータ） (2025-03-04T03:55:38Z) - A Systems Thinking Approach to Algorithmic Fairness [0.0]
私たちはシステム思考を使って、政策立案者が様々な種類の公正政策から存在する複雑なトレードオフを理解するのを助けます。
私たちは、さまざまな種類の公正政策から存在する複雑なトレードオフを理解するために、政治通路の両側の政策立案者を支援するシステム思考を利用することができます。
論文 参考訳（メタデータ） (2024-12-21T14:21:33Z) - Participatory Approaches in AI Development and Governance: A Principled Approach [9.271573427680087]
本稿は、AIにおける参加型ガバナンスに関する2部構成のシリーズの第1部を構成する。
より責任があり、安全で、人間中心のAIシステムを構築し、使用するために、参加型アプローチが有益である、という前提を推し進めている。
論文 参考訳（メタデータ） (2024-06-03T09:49:42Z) - Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
生成AIは、学術分野と産業分野の両方から多くの注目を集めている。
セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
論文 参考訳（メタデータ） (2024-05-17T04:00:58Z) - Trust, Accountability, and Autonomy in Knowledge Graph-based AI for
Self-determination [1.4305544869388402]
知識グラフ(KG)は、インテリジェントな意思決定を支えるための基盤として登場した。
KGと神経学習の統合は、現在活発な研究のトピックである。
本稿では,KGベースのAIによる自己決定を支援するための基礎的なトピックと研究の柱を概念化する。
論文 参考訳（メタデータ） (2023-10-30T12:51:52Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z) - Trustworthy AI in the Age of Pervasive Computing and Big Data [22.92621391190282]
我々は倫理的観点から信頼に値するAIシステムの要件を定式化する。
研究状況と残りの課題について議論した後、スマートシティにおける具体的なユースケースがこれらの方法のメリットを如何に示すかを示す。
論文 参考訳（メタデータ） (2020-01-30T08:09:31Z) - Bias in Data-driven AI Systems -- An Introductory Survey [37.34717604783343]
この調査は、(大きな)データと強力な機械学習(ML)アルゴリズムによって、AIの大部分は、データ駆動型AIに重点を置いている。
さもなければ、一般的な用語バイアスを使ってデータの収集や処理に関連する問題を説明します。
論文 参考訳（メタデータ） (2020-01-14T09:39:09Z)
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。