論文の概要: AI-Simulated Expert Panels for Socio-Technical Scenarios and Decision Guidance

• arxiv url: http://arxiv.org/abs/2603.29470v1
• Date: Tue, 31 Mar 2026 09:15:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.444129
• Title: AI-Simulated Expert Panels for Socio-Technical Scenarios and Decision Guidance
• Title（参考訳）: 社会技術シナリオと意思決定指導のためのAIシミュレーションエキスパートパネル
• Authors: Andrew G. Ross, Alan M. Ross,
• Abstract要約: 本稿では,シナリオ生成におけるボトルネックに対処するAIベースのエキスパートパネルを提案する。 AIモデルはまず、記述子、状態、およびそれらの相互作用に同意するドメインエキスパートをシミュレートする。 AIステークホルダーパネルは、複数基準決定分析を使用して、好ましい経路を選択し、AI専門家パネルはそれをモデル対応の定量的入力に変換する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Socio-technical scenarios for net-zero and other transformation pathways combine qualitative storylines with quantitative models, embedding them in plausible societal contexts for model assessment. Conventional scenario generation is resource-intensive, can be limited in internal consistency and diversity of expert and stakeholder perspectives, and is rarely stress-tested. This paper introduces a synthetic, AI-based expert panel to address these bottlenecks. An AI model first simulates domain experts who agree on descriptors, states, and their interactions. A probabilistic Cross-Impact Balance analysis then generates internally consistent pathways, using stochastic shocks to assess robustness and pathway diversity. An AI stakeholder panel uses multi-criteria decision analysis to select a preferred pathway; an AI expert panel translates it into model-ready quantitative inputs. Although scalable and applicable to any other country or region, the framework is applied to Germany's energy transition as a proof of concept, and offers an alternative and/or supplement to scenario generation. Furthermore, it enables Virtual AI-Led Decision Laboratories for exploratory policy stress-testing and provides an approach for rapid, structured expert elicitation and decision support in other domains.
• Abstract（参考訳）: ネットゼロや他の変換経路の社会技術的シナリオは、定性的なストーリーラインと定量的モデルを組み合わせて、モデルアセスメントのための妥当な社会的文脈にそれらを埋め込む。 従来のシナリオ生成はリソース集約的であり、内部の一貫性や専門家やステークホルダの視点の多様性に制限があり、ストレステストされることはめったにない。 本稿では、これらのボトルネックに対処するための、AIベースの総合専門家パネルを紹介する。 AIモデルはまず、記述子、状態、およびそれらの相互作用に同意するドメインエキスパートをシミュレートする。 確率論的クロスファンクティックバランス分析(英語版)は、確率的ショックを用いて、頑健性と経路の多様性を評価することによって、内部的に一貫した経路を生成する。 AIステークホルダーパネルは、複数基準決定分析を使用して、好ましい経路を選択し、AI専門家パネルはそれをモデル対応の定量的入力に変換する。 拡張性があり、他の国や地域にも適用できるが、この枠組みは概念実証としてドイツのエネルギー移行に適用され、シナリオ生成の代替および/または補助を提供する。 さらに、探索的政策ストレステストのための仮想AI主導の意思決定研究所を可能にし、他のドメインにおける迅速で構造化された専門家の誘惑と意思決定支援のためのアプローチを提供する。

関連論文リスト

• CIRCLE: A Framework for Evaluating AI from a Real-World Lens [10.028017198571833]
  CIRCLEは、モデル中心のパフォーマンスメトリクスと、デプロイメントにおけるAIの実体化された結果とのギャップを埋めることを目的としている。 CIRCLEは、コンテキストに敏感な質的洞察とスケーラブルな定量的メトリクスをリンクするための構造化された予測プロトコルを提供する。
  論文  参考訳（メタデータ） (2026-02-27T14:43:23Z)
• Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
  我々は9つの詳細なサイバーリスクモデルを開発する。 各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。 個々の見積もりはモンテカルロシミュレーションによって集約される。
  論文  参考訳（メタデータ） (2025-12-09T17:54:17Z)
• Holistic Explainable AI (H-XAI): Extending Transparency Beyond Developers in AI-Driven Decision Making [4.852258514542496]
  本稿では,従来のXAI手法と因果評価手法を統合する統合フレームワークであるH-XAI(H-XAI)を紹介し,対話的マルチメソッドプロセスとしての説明を支援する。 H-XAIは、ステークホルダーが一連の質問をしたり、仮説をテストしたり、モデル行動と自動的に構築されたランダムでバイアスのあるベースラインを比較することを可能にする。 インスタンスレベルの説明とグローバルな説明を組み合わせて、各ステークホルダの目標に適応し、個々の決定を理解し、グループレベルの偏見を評価し、摂動の下で堅牢性を評価する。
  論文  参考訳（メタデータ） (2025-08-07T19:06:08Z)
• VirtualXAI: A User-Centric Framework for Explainability Assessment Leveraging GPT-Generated Personas [0.07499722271664146]
  eXplainable AI(XAI)の需要が増加し、AIモデルの解釈可能性、透明性、信頼性が向上した。 仮想ペルソナによる定量的ベンチマークと質的ユーザアセスメントを統合したフレームワークを提案する。 これにより、推定されたXAIスコアが得られ、与えられたシナリオに対して最適なAIモデルとXAIメソッドの両方にカスタマイズされたレコメンデーションが提供される。
  論文  参考訳（メタデータ） (2025-03-06T09:44:18Z)
• Understanding the (Extra-)Ordinary: Validating Deep Model Decisions with Prototypical Concept-based Explanations [13.60538902487872]
  本稿では, 実例的(地域的)かつクラス的(グローバル的)な意思決定戦略をプロトタイプを通じて伝達する, ポストホックなコンセプトベースXAIフレームワークを提案する。 我々は,3つのデータセットにまたがるアウト・オブ・ディストリビューション・サンプル,突発的なモデル行動,データ品質問題同定におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-28T10:53:26Z)
• REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
  本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。 REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-07-18T04:26:33Z)
• Connecting Algorithmic Research and Usage Contexts: A Perspective of Contextualized Evaluation for Explainable AI [65.44737844681256]
  説明可能なAI(XAI)を評価する方法に関するコンセンサスの欠如は、この分野の進歩を妨げる。 このギャップを埋める一つの方法は、異なるユーザ要求を考慮に入れた評価方法を開発することである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-06-22T05:17:33Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)

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。