論文の概要: The Democratic Ontology Deficit: How AI Systems Fail to Represent What Democracy Requires
- arxiv url: http://arxiv.org/abs/2604.03865v1
- Date: Sat, 04 Apr 2026 21:05:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.80411
- Title: The Democratic Ontology Deficit: How AI Systems Fail to Represent What Democracy Requires
- Title（参考訳）: 民主オントロジーの欠陥:AIシステムは民主主義に必要なものを表現できない
- Abstract要約: 本稿では, 民主的オントロジーの欠陥を特定し, 検証する。
モデルのデフォルトオントロジーは、市民構造ではなく独立に組織されている。
最も深い欠点は役割であり、ある人が何をしているかというモデルの表現は、共通のアイデンティティではなく、ほとんど完全に個人に当てはまる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Democratic public life depends on institutions that make roles, responsibilities, relationships, and purposes intelligible as lived orientation. Contemporary AI systems are trained on web-scale corpora and aligned for helpfulness, harmlessness, and honesty, but the representational structure of democratic institutional life has not been treated as an alignment target. This paper identifies and tests the democratic ontology deficit: the structural mismatch between the representational conditions democratic agency requires and the ontology contemporary AI systems are built to learn and reproduce. We apply representation engineering to three instruction-tuned models (Llama-2-13b-chat, Mistral-7B-Instruct-v0.2, and Meta-Llama-3-8B-Instruct), extracting reading vectors for civic reasoning and its four component primitives using contrastive stimuli. The model's default ontology is organized under independence rather than civic structure. The deepest deficit is in role: the model's representation of what a person is defaults almost entirely to individual rather than communal identity. Honesty, measured on the same model at the same layer using the same method, scores 0.707; civic role scores -0.047. The pattern replicates across architectures and training generations. These findings open a concrete research program for civic alignment using the tools the field already possesses.
- Abstract（参考訳）: 民主党の公共生活は、役割、責任、関係、目的を生きた方向として理解できない機関に依存している。
現代のAIシステムは、Webスケールのコーパスで訓練され、助け合い、無害、誠実さのために整列されているが、民主的な機関生活の表象構造はアライメントの対象として扱われていない。
本稿では, 民主的オントロジーの欠陥を識別し, 検証する: 民主的機関が要求する表現的条件と, 現代AIシステムが学習し, 再現するために構築されるオントロジーとの構造的ミスマッチ。
我々は,3つの命令調整モデル(Llama-2-13b-chat,Mistral-7B-Instruct-v0.2,Meta-Llama-3-8B-Instruct)に表現工学を適用する。
モデルのデフォルトオントロジーは、市民構造ではなく独立に組織されている。
最も深い欠点は役割であり、ある人が何をしているかというモデルの表現は、共通のアイデンティティではなく、ほとんど完全に個人に当てはまる。
同じ方法で同じモデル上で同じ方法で測定された正直さは0.707であり、市民の役割スコアは0.047である。
このパターンは、アーキテクチャとトレーニング世代にまたがって複製される。
これらの発見は、フィールドがすでに持っているツールを使用して、市民アライメントのための具体的な研究プログラムを開設する。
関連論文リスト
- From Echo Chambers to Epistemic Monoculture: Large Language Models Present Temporally Contingent Partisan Alignments as Knowledge [0.0]
2024年モデルのトレーニングカットオフを利用した実験を行った。
このモデルでは, 事実を意見と区別するメカニズムが無く, 時空間的なパルチザンのアライメントを知識として提示する。
論文 参考訳（メタデータ） (2026-09-07T16:41:56Z) - A Roadmap to Impactful Pluralistic Alignment Research [43.31026042225045]
複数の価値アライメントが活発な研究課題として浮上している。
しかし、人々が実際に使っているAIシステムのトレーニングや評価を形作ったという公的な証拠はない。
これは多元的アライメントの第一のモチベーションと目標に反する。
論文 参考訳（メタデータ） (2026-07-24T13:46:03Z) - When Agents Evolve, Institutions Follow [52.359340707289114]
大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。
彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。
我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
論文 参考訳（メタデータ） (2026-04-30T10:30:58Z) - Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - Governing Reflective Human-AI Collaboration: A Framework for Epistemic Scaffolding and Traceable Reasoning [0.0]
本稿では,人間とモデルの間に分散した関係過程として推論を扱うための補完的アプローチを提案する。
エンジニアリング推論をモデル内でのみ行うのではなく、既存のシステムを使って構造化、測定、管理できる認知プロトコルとして捉えています。
論文 参考訳（メタデータ） (2026-04-16T11:42:36Z) - RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。
RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。
現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
論文 参考訳（メタデータ） (2025-09-29T15:07:28Z) - Cognitive Castes: Artificial Intelligence, Epistemic Stratification, and the Dissolution of Democratic Discourse [0.0]
この議論は、現代のAIシステムが抽象化、記号論理、敵の尋問を備えた個人の推論能力をいかに増幅するかを辿る。
提案された回答は、技術的規制や普遍的なアクセスではなく、市民の委任として合理的な自治の再構築である。
論文 参考訳（メタデータ） (2025-07-16T08:46:45Z) - Cultural Bias in Large Language Models: Evaluating AI Agents through Moral Questionnaires [0.0]
大きな言語モデルは、言語能力にもかかわらず、多様な文化的道徳的枠組みを表現できない。
驚くべきことに、モデルのサイズが大きくなることは、文化的な表現の忠実さを継続的に改善するわけではない。
我々の結果は、AIシステムが多様な人間の価値を表すことを保証するために、より基礎的なアライメント目標と評価指標を求めている。
論文 参考訳（メタデータ） (2025-07-14T08:59:26Z) - Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。
本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
論文 参考訳（メタデータ） (2024-09-15T03:17:38Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - A Roadmap to Pluralistic Alignment [49.29107308098236]
本稿では,言語モデルをテストベッドとして用いた多元的アライメントのロードマップを提案する。
我々は,AIシステムにおける多元性を定義・運用する3つの可能な方法を特定し,定式化する。
我々は、現在のアライメント技術は、基本的に多元的AIに限られていると論じる。
論文 参考訳（メタデータ） (2024-02-07T18:21:17Z) - Embedding Democratic Values into Social Media AIs via Societal Objective
Functions [13.903836222333977]
我々は、確立された、審査された社会科学的構成物をAI客観的関数に翻訳する手法を導入する。
我々は、ソーシャルメディア投稿が反民主的態度を促進する程度を推定する民主的な態度モデルを作成する。
本手法は,ソーシャルメディアAIにおける社会的害を軽減するために,社会科学理論と手法に基づく新たな戦略を提案する。
論文 参考訳（メタデータ） (2023-07-26T02:27:24Z)
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。