論文の概要: AI-Mediated Explainable Regulation for Justice

• arxiv url: http://arxiv.org/abs/2604.00237v1
• Date: Tue, 31 Mar 2026 21:00:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.721976
• Title: AI-Mediated Explainable Regulation for Justice
• Title（参考訳）: AIによる司法の説明可能な規制
• Authors: Thomas Hofweber, Andreas Sudmann, Evangelos Pournaras,
• Abstract要約: 本稿では、分散人工知能(AI)を用いて、設計により説明可能で適応可能な規制レコメンデーションを作成する新しいアプローチについて論じる。 このアプローチを実装可能なシステムの主要なコンポーネントについて概説し、現在の規制システムでどのように解決するかを示す。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Present practice of deciding on regulation faces numerous problems that make adopted regulations static, unexplained, unduly influenced by powerful interest groups, and stained with a perception of illegitimacy. These well-known problems with the regulatory process can lead to injustice and have substantial negative effects on society and democracy. We discuss a new approach that utilizes distributed artificial intelligence (AI) to make a regulatory recommendation that is explainable and adaptable by design. We outline the main components of a system that can implement this approach and show how it would resolve the problems with the present regulatory system. This approach models and reasons about stakeholder preferences with separate preference models, while it aggregates these preferences in a value sensitive way. Such recommendations can be updated due to changes in facts or in values and are inherently explainable. We suggest how stakeholders can make their preferences known to the system and how they can verify whether they were properly considered in the regulatory decision. The resulting system promises to support regulatory justice, legitimacy, and compliance.
• Abstract（参考訳）: 現在の規制決定の実践は、採用規則を静的に、説明がつかず、強い利害グループの影響を受けずに、不当さの認識で汚される多くの問題に直面している。 規制プロセスにおけるこれらのよく知られた問題は不正を招き、社会や民主主義に重大な悪影響を及ぼす可能性がある。 本稿では、分散人工知能(AI)を用いて、設計により説明可能で適応可能な規制レコメンデーションを作成する新しいアプローチについて論じる。 このアプローチを実装可能なシステムの主要なコンポーネントについて概説し、現在の規制システムでどのように解決するかを示す。 このアプローチは、利害関係者の選好を別の選好モデルでモデル化する一方で、これらの選好を価値に敏感な方法で集約する。 このようなリコメンデーションは、事実や値の変化によって更新され、本質的に説明可能である。 我々は、利害関係者がシステムに自分の好みを知らせる方法と、規制決定で適切に考慮されたかどうかを検証する方法を提案する。 結果として得られるシステムは、規制の正義、正当性、コンプライアンスをサポートすることを約束する。

関連論文リスト

• Normative active inference: A numerical proof of principle for a computational and economic legal analytic approach to AI governance [0.6267988254367711]
  本稿では,AIエージェントの行動に法的規範がどう影響するかを計算学的に考察する。 我々は,エージェントに意図的な制御システムを与える設計による規制によって,合法的で規範に敏感なAI行動が達成可能であることを提案する。 我々は、文脈依存の嗜好が自律エージェントの安全メカニズムとしてどのように機能するかを議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-11-24T17:30:51Z)
• Argumentation-Based Explainability for Legal AI: Comparative and Regulatory Perspectives [0.9668407688201359]
  人工知能(AI)システムは、法的文脈においてますます多くデプロイされている。 いわゆる「ブラックボックス問題」は、自動意思決定の正当性を損なう。 XAIは透明性を高めるための様々な方法を提案している。
  論文  参考訳（メタデータ） (2025-10-13T07:19:15Z)
• Modeling Motivated Reasoning in Law: Evaluating Strategic Role Conditioning in LLM Summarization [44.55119228567464]
  大規模言語モデル(LLM)は、ユーザに適した要約を生成するために、ますます使われています。 これは動機付け推論に関する重要な疑問を提起する。 我々は,LLMが異なる法的役割を条件づけたプロンプトにどのように反応するかを検討する。
  論文  参考訳（メタデータ） (2025-08-30T15:22:47Z)
• Beyond Explainability: The Case for AI Validation [0.0]
  我々は、中央規制柱としての検証へのシフトを主張する。 AI出力の信頼性、一貫性、堅牢性を保証するバリデーションは、説明可能性に対してより実用的で、スケーラブルで、リスクに敏感な代替手段を提供する。 本稿では,事前・後検証,第三者監査,調和標準,債務インセンティブを中心に,先進的な政策枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-27T06:42:41Z)
• Media and responsible AI governance: a game-theoretic and LLM analysis [61.132523071109354]
  本稿では,信頼できるAIシステムを育成する上での,AI開発者,規制当局,ユーザ,メディア間の相互作用について検討する。 進化的ゲーム理論と大言語モデル(LLM)を用いて、異なる規制体制下でこれらのアクター間の戦略的相互作用をモデル化する。
  論文  参考訳（メタデータ） (2025-03-12T21:39:38Z)
• RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
  本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。 我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。 本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
  論文  参考訳（メタデータ） (2024-09-09T14:44:19Z)
• The Artificial Intelligence Act: critical overview [0.0]
  この記事では、最近承認された人工知能法を概観する。 これはまず、2024/1689年のEU(Regulation)の主要な構造、目的、アプローチを示すことから始まる。 テキストは、全体的なフレームワークが適切かつバランスが取れたとしても、アプローチは非常に複雑であり、それ自体の目的を損なうリスクがある、と結論付けている。
  論文  参考訳（メタデータ） (2024-08-30T21:38:02Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Transparency, Compliance, And Contestability When Code Is(n't) Law [91.85674537754346]
  技術的なセキュリティ機構と法的なプロセスの両方が、一連の規範に従って誤った行動を扱うメカニズムとして機能する。 彼らは一般的な類似点を共有しているが、どう定義されているか、行動し、被験者に与える影響にも明確な違いがある。 本稿では,両機構の類似点と相違点を,誤動作の対処方法として考察する。
  論文  参考訳（メタデータ） (2022-05-08T18:03:07Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• The Jiminy Advisor: Moral Agreements Among Stakeholders Based on Norms and Argumentation [1.5484595752241122]
  我々はJiminyという倫理的勧告コンポーネントを提案する。 ジミニー (Jiminy) は、各利害関係者の倫理観を規範的システムを用いて表現する。 我々は,ジミニーが倫理的推論や協調的意思決定だけでなく,倫理的行動の説明にも利用できることを示す。
  論文  参考訳（メタデータ） (2018-12-11T23:16:16Z)

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。