論文の概要: Transparency as Architecture: Structural Compliance Gaps in EU AI Act Article 50 II

• arxiv url: http://arxiv.org/abs/2603.26983v1
• Date: Fri, 27 Mar 2026 20:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.719487
• Title: Transparency as Architecture: Structural Compliance Gaps in EU AI Act Article 50 II
• Title（参考訳）: アーキテクチャとしての透明性: EU AI Act 第50条第2項における構造コンプライアンスギャップ
• Authors: Vera Schmitt, Niklas Kruse, Premtim Sahitaj, Julius Schöning,
• Abstract要約: EU人工知能法第50条は、AI生成コンテンツの二重透明性を規定している。 この要件は、現在の生成AIシステムの基本的な制約と衝突する。 コンプライアンスはポストホックラベリングに還元できないことを示す。
• 参考スコア（独自算出の注目度）: 0.6999740786886536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Art. 50 II of the EU Artificial Intelligence Act mandates dual transparency for AI-generated content: outputs must be labeled in both human-understandable and machine-readable form for automated verification. This requirement, entering into force in August 2026, collides with fundamental constraints of current generative AI systems. Using synthetic data generation and automated fact-checking as diagnostic use cases, we show that compliance cannot be reduced to post-hoc labeling. In fact-checking pipelines, provenance tracking is not feasible under iterative editorial workflows and non-deterministic LLM outputs; moreover, the assistive-function exemption does not apply, as such systems actively assign truth values rather than supporting editorial presentation. In synthetic data generation, persistent dual-mode marking is paradoxical: watermarks surviving human inspection risk being learned as spurious features during training, while marks suited for machine verification are fragile under standard data processing. Across both domains, three structural gaps obstruct compliance: (a) absent cross-platform marking formats for interleaved human-AI outputs; (b) misalignment between the regulation's 'reliability' criterion and probabilistic model behavior; and (c) missing guidance for adapting disclosures to heterogeneous user expertise. Closing these gaps requires transparency to be treated as an architectural design requirement, demanding interdisciplinary research across legal semantics, AI engineering, and human-centered desi
• Abstract（参考訳）: EU人工知能法第50条は、AI生成コンテンツの二重透明性を規定している。 2026年8月に施行されたこの要件は、現在の生成AIシステムの基本的な制約と衝突する。 総合データ生成と自動ファクトチェックを診断のユースケースとして用いて、コンプライアンスをポストホックラベリングに還元することはできないことを示す。 ファクトチェックパイプラインでは、反復的な編集ワークフローや非決定論的LCM出力では、プロファイランストラッキングは実現不可能である。 人工データ生成では、永続的な二重モードマーキングはパラドックス的であり、トレーニング中に人間の検査を生き残る透かしは素早い特徴として学習され、マシン検証に適したマーキングは標準的なデータ処理下で脆弱である。 両方の領域で、3つの構造的ギャップはコンプライアンスを妨げます。 (a) インターリーブされた人間-AI出力のためのクロスプラットフォームマーキング形式がないこと。 ロ 規制の「信頼性」基準と確率論的モデル行動の相違 (c)異種ユーザの専門知識に開示を適用するためのガイダンスの欠如。 これらのギャップを埋めるには、アーキテクチャ設計要件として扱われる透明性が必要であり、法的な意味論、AIエンジニアリング、人間中心のデシにまたがる学際的な研究を必要としている。

関連論文リスト

• CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
  CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。 最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。 提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
  論文  参考訳（メタデータ） (2026-03-06T15:11:58Z)
• When AI Levels the Playing Field: Skill Homogenization, Asset Concentration, and Two Regimes of Inequality [0.7016842616745783]
  生成AIは、経済価値を集中的な補完資産にシフトしながら、タスク内スキルの違いを圧縮する。 我々は、この緊張関係を内在的教育、雇用主検診、異種企業によるタスクベースモデルで定式化する。 このモデルでは、境界がAIの技術構造に依存する2つのレジームが生成される。
  論文  参考訳（メタデータ） (2026-03-05T12:41:08Z)
• Agency and Architectural Limits: Why Optimization-Based Systems Cannot Be Norm-Responsive [0.0]
  AIシステムは、標準によって管理されるという前提の下で、ハイステークな状況にますますデプロイされている。 本稿では,最適化システムに対して仮定が正式に無効であることを示す。
  論文  参考訳（メタデータ） (2026-02-26T17:16:17Z)
• AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems [52.65695508605237]
  我々は、Model Context Protocol(MCP)とAgent-to-Agent(A2A)標準に基づいて、アプリケーション中心でホワイトボックスのAI-NativeベンチマークスイートであるAI-NativeBenchを紹介する。 エージェントスパンを分散トレース内の第一級市民として扱うことにより,本手法は,単純な機能以上の工学的特性の粒度解析を可能にする。 この研究は、モデル能力の測定から信頼性の高いAI-Nativeシステムへの移行を導く最初の体系的な証拠を提供する。
  論文  参考訳（メタデータ） (2026-01-14T11:32:07Z)
• Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
  現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。 当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
  論文  参考訳（メタデータ） (2025-07-03T02:45:51Z)
• Ethical AI: Towards Defining a Collective Evaluation Framework [0.3413711585591077]
  人工知能(AI)は医療、金融、自律システムといった分野を変えつつある。 しかし、その迅速な統合は、データ所有権、プライバシー、およびシステムバイアスに関する緊急の倫理的懸念を提起する。 本稿では,意味不明で解釈可能な単位のオントロジブロック上に構築されたモジュール型倫理的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-30T21:10:47Z)
• Data quality dimensions for fair AI [0.0]
  我々は、データ品質の次元の観点から、AIシステムにおけるバイアスの問題を考察する。 我々は、精度戦略に基づくバイアス軽減ツールの限定モデル構築について強調する。 本稿では, 完全性, 一貫性, タイムライン, 信頼性の観点から, 分類タスクの公平性を再考する。
  論文  参考訳（メタデータ） (2023-05-11T16:48:58Z)

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。