論文の概要: Incentives, Equilibria, and the Limits of Healthcare AI: A Game-Theoretic Perspective

• arxiv url: http://arxiv.org/abs/2603.28825v1
• Date: Sun, 29 Mar 2026 12:01:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.563409
• Title: Incentives, Equilibria, and the Limits of Healthcare AI: A Game-Theoretic Perspective
• Title（参考訳）: インセンティブ・平衡・医療AIの限界--ゲーム理論の視点から
• Abstract要約: 本稿では、AIの労力削減のためのAI、可観測性向上のためのAI、メカニズムレベルのインセンティブ変化のためのAIの3つのアーキティパルAI技術タイプを提案する。 インセンティブが変わらない場合、タスクの最適化だけでシステムの結果を変えることはあり得ない、と氏は主張する。 この分析は、リスク割り当てを再形成する介入だけが、安定したシステムレベルの振る舞いを確実にシフトできる理由を強調している。
• 参考スコア（独自算出の注目度）: 0.43995631888847014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is widely promoted as a promising technological response to healthcare capacity and productivity pressures. Deployment of AI systems carries significant costs including ongoing costs of monitoring and whether optimism of a deus ex machina solution is well-placed is unclear. This paper proposes three archetypal AI technology types: AI for effort reduction, AI to increase observability, and mechanism-level incentive change AI. Using a stylised inpatient capacity signalling example and minimal game-theoretic reasoning, it argues that task optimisation alone is unlikely to change system outcomes when incentives are unchanged. The analysis highlights why only interventions that reshape risk allocation can plausibly shift stable system-level behaviour, and outlines implications for healthcare leadership and procurement.
• Abstract（参考訳）: 人工知能(AI)は、医療能力と生産性のプレッシャーに対する有望な技術対応として広く推進されている。 AIシステムのデプロイには、継続的な監視コストや、Deus ex machinaソリューションの最適化が適切に配置されているかどうかなど、かなりのコストがかかる。 本稿では、AIの労力削減のためのAI、可観測性向上のためのAI、メカニズムレベルのインセンティブ変化のためのAIの3つのアーキティパルAI技術タイプを提案する。 定型化された入院能力信号の例と最小のゲーム理論推論を用いて、インセンティブが変化しない場合、タスクの最適化だけでシステム結果を変えることはありそうにない、と論じている。 この分析は、リスク割り当てを再形成する介入だけが、安定したシステムレベルの振る舞いを確実にシフトできる理由を強調し、医療のリーダーシップと調達に対する影響を概説している。

関連論文リスト

• The Scaling Paradox in Human-AI Collaboration [2.1771821757134915]
  我々は,AIによる経験的スケーリングの利点が,人間とAIのジョイントシステムの性能向上にどのように変換されるかを調べるための分析モデルを構築した。 人間のAI能力の正確な認識が得られれば,AIがスケールアップするにつれて,人間のAIシステムの性能が肯定的にスケールできることが示される。 さらに、コスト内部化や認識アライメントといった運用方針を通じて、企業がこれらの歪みを積極的に管理できることを示します。
  論文  参考訳（メタデータ） (2026-08-01T18:51:50Z)
• The Boundaries of Automation: A Theory of Persistent Human Participation [107.84677954791773]
  高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。 一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。 この観点は、自動化の限界に重要な意味を持つ。
  論文  参考訳（メタデータ） (2026-07-23T17:33:43Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Societal Adaptation to Advanced AI [1.2607853680700076]
  先進的なAIシステムからリスクを管理する既存の戦略は、AIシステムの開発方法と拡散方法に影響を与えることに集中することが多い。 我々は、先進的なAIへの社会適応の増大という補完的なアプローチを奨励する。 我々は、AIシステムの潜在的に有害な使用を回避し、防御し、治療する適応的介入を特定するのに役立つ概念的枠組みを導入する。
  論文  参考訳（メタデータ） (2024-05-16T17:52:12Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)
• AI Liability Insurance With an Example in AI-Powered E-diagnosis System [22.102728605081534]
  我々はAIによるE-diagnosisシステムをAI責任保険の研究の例として用いている。 我々は、AI責任保険がコンプライアンス行動のインセンティブを与えるための規制機構として機能し、高品質なAIシステムの証明書として機能することを示した。
  論文  参考訳（メタデータ） (2023-06-01T21:03:47Z)
• A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
  AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。 これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。 このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
  論文  参考訳（メタデータ） (2023-04-23T04:14:18Z)
• 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)
• AI Maintenance: A Robustness Perspective [91.28724422822003]
  我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。 本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。 我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
  論文  参考訳（メタデータ） (2023-01-08T15:02:38Z)
• Examining the Differential Risk from High-level Artificial Intelligence and the Question of Control [0.0]
  将来のAI能力の範囲と範囲は、依然として重要な不確実性である。 AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。 本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-06T15:46:02Z)
• 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。

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。