論文の概要: The Bathtub of European AI Governance: Identifying Technical Sandboxes as the Micro-Foundation of Regulatory Learning

• arxiv url: http://arxiv.org/abs/2601.04094v1
• Date: Wed, 07 Jan 2026 17:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.697233
• Title: The Bathtub of European AI Governance: Identifying Technical Sandboxes as the Micro-Foundation of Regulatory Learning
• Title（参考訳）: ヨーロッパのAIガバナンスのバスタブ:規制学習のマイクロファウンデーションとしての技術的サンドボックスの同定
• Authors: Tom Deckenbrunnen, Alessio Buscemi, Marco Almada, Alfredo Capozucca, German Castignani,
• Abstract要約: 本稿では,AI法で規定される規制学習空間の理論モデルを確立する。 マクロレベルではEU委員会から、マイクロレベルではAI開発者まで、さまざまな利害関係者が参加しています。 我々は,マイクロレベルのエビデンス生成に不可欠なエンジンとして,AIテクニカルサンドボックスを同定する。
• 参考スコア（独自算出の注目度）: 0.937536571362766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The EU AI Act adopts a horizontal and adaptive approach to govern AI technologies characterised by rapid development and unpredictable emerging capabilities. To maintain relevance, the Act embeds provisions for regulatory learning. However, these provisions operate within a complex network of actors and mechanisms that lack a clearly defined technical basis for scalable information flow. This paper addresses this gap by establishing a theoretical model of regulatory learning space defined by the AI Act, decomposed into micro, meso, and macro levels. Drawing from this functional perspective of this model, we situate the diverse stakeholders - ranging from the EU Commission at the macro level to AI developers at the micro level - within the transitions of enforcement (macro-micro) and evidence aggregation (micro-macro). We identify AI Technical Sandboxes as the essential engine for evidence generation at the micro level, providing the necessary data to drive scalable learning across all levels of the model. By providing an extensive discussion of the requirements and challenges for AITSes to serve as this micro-level evidence generator, we aim to bridge the gap between legislative commands and technical operationalisation, thereby enabling a structured discourse between technical and legal experts.
• Abstract（参考訳）: EU AI Actは、急速な開発と予測不可能な新興能力によって特徴づけられるAI技術を管理するために、水平かつ適応的なアプローチを採用する。 関連性を維持するため、法は規制学習のための規定を組み込んでいる。 しかし、これらの規定は、スケーラブルな情報フローの技術的基盤が明確に定義されていないアクターとメカニズムの複雑なネットワーク内で機能する。 本稿では, マイクロ, メソ, マクロレベルに分解されたAI法によって定義された規制学習空間の理論モデルを確立することにより, このギャップを解消する。 このモデルのこの機能的な視点から、私たちは、マクロレベルのEU委員会からマイクロレベルのAI開発者まで、執行機関(マクロマイクロ)とエビデンスアグリゲーション(マイクロマクロ)の移行の中で、さまざまな利害関係者を抱えています。 AIテクニカルサンドボックスは、マイクロレベルでエビデンスを生成する上で不可欠なエンジンであり、モデルのすべてのレベルにわたってスケーラブルな学習を促進するために必要なデータを提供する。 このマイクロレベルのエビデンスジェネレータとして機能するAITSの要件と課題について、広範な議論を行うことで、立法命令と技術運用のギャップを埋めることを目指しており、技術専門家と法律専門家の構造化された会話を可能にする。

関連論文リスト

• A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
  近年の研究では、敵が対象モデルの機能を複製できることが示されている。 モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。 本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-20T19:49:59Z)
• Mapping the Regulatory Learning Space for the EU AI Act [0.8987776881291145]
  EU AI法は、具体的な執行措置による世界最初の国際的AI規制である。 それは、製品の健康と安全性を規制する既存のEUメカニズムの上に構築されているが、基本的権利を保護するためにそれらを拡張している。 これはAI法の施行における複数の不確実性につながると我々は主張する。
  論文  参考訳（メタデータ） (2025-02-27T12:46:30Z)
• COMPL-AI Framework: A Technical Interpretation and LLM Benchmarking Suite for the EU Artificial Intelligence Act [40.233017376716305]
  EUの人工知能法(AI Act)は、AI開発の責任を負うための重要なステップである。 明確な技術的解釈がなく、モデルのコンプライアンスを評価するのが難しい。 この研究は、この法律の最初の技術的解釈からなる包括的枠組みであるComple-AIを提示する。
  論文  参考訳（メタデータ） (2024-10-10T14:23:51Z)
• Aligning XAI with EU Regulations for Smart Biomedical Devices: A Methodology for Compliance Analysis [0.7373617024876725]
  本研究は、バイオエレクトロニクスにおけるXAI応用とEU規制の厳格な規定の整合における重要なギャップを埋めるものである。 開発者と研究者に実践的なフレームワークを提供し、彼らのAIイノベーションが法的および倫理的基準に準拠していることを保証する。
  論文  参考訳（メタデータ） (2024-08-27T14:59:27Z)
• Open Problems in Technical AI Governance [102.19067750759471]
  テクニカルAIガバナンス(Technical AI Governance)は、AIの効果的なガバナンスを支援するための技術分析とツールである。 本論文は、AIガバナンスへの貢献を目指す技術研究者や研究資金提供者のためのリソースとして意図されている。
  論文  参考訳（メタデータ） (2024-07-20T21:13:56Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)

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。