論文の概要: AI and Collective Decisions: Strengthening Legitimacy and Losers' Consent
- arxiv url: http://arxiv.org/abs/2604.05368v1
- Date: Tue, 07 Apr 2026 03:10:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.59692
- Title: AI and Collective Decisions: Strengthening Legitimacy and Losers' Consent
- Title（参考訳）: AIと集団決定 - 正当性と損失者の同意の強化
- Authors: Suyash Fulay, Prerna Ravi, Emily Kubin, Shrestha Mohanty, Michiel Bakker, Deb Roy,
- Abstract要約: 私たちは、AIが参加者の異なる経験や信念に集団的な決定を下すのにどのように役立つか尋ねる。
我々は、半構造化されたAIインタビュアーを使用して、政策トピックに関する個人的な経験を引き出すシステムを構築した。
可視化と対話することで 正当性、結果への信頼、他人の視点の理解が増大しました
- 参考スコア（独自算出の注目度）: 13.048352696221741
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI is increasingly used to scale collective decision-making, but far less attention has been paid to how such systems can support procedural legitimacy, particularly the conditions shaping losers' consent: whether participants who do not get their preferred outcome still accept it as fair. We ask: (1) how can AI help ground collective decisions in participants' different experiences and beliefs, and (2) whether exposure to these experiences can increase trust, understanding, and social cohesion even when people disagree with the outcome. We built a system that uses a semi-structured AI interviewer to elicit personal experiences on policy topics and an interactive visualization that displays predicted policy support alongside those voiced experiences. In a randomized experiment (n = 181), interacting with the visualization increased perceived legitimacy, trust in outcomes, and understanding of others' perspectives, even though all participants encountered decisions that went against their stated preferences. Our hope is that the design and evaluation of this tool spurs future researchers to focus on how AI can help not only achieve scale and efficiency in democratic processes, but also increase trust and connection between participants.
- Abstract（参考訳）: AIは集団意思決定のスケールアップにますます使われていますが、このようなシステムが手続き的正当性をどのようにサポートできるか、特に敗者の同意を形作る条件について、はるかに注意が払われています。
1) 参加者の異なる経験や信念において,AIが集団的な決定を下すのにどう役立つのか,(2) 結果に異議を唱える場合でも,その経験への露出が信頼,理解,社会的結束を増大させるのか。
我々は、半構造化されたAIインタビュアーを使用して、ポリシートピックに関する個人的体験を引き出すシステムを構築した。
ランダム化実験(n = 181)では、可視化と対話することで、評価された正当性、結果への信頼、他者の視点に対する理解が増大した。
このツールの設計と評価によって、将来の研究者は、AIが民主的プロセスのスケールと効率を達成するだけでなく、参加者間の信頼とつながりを高めることに焦点を合わせることを期待しています。
関連論文リスト
- Must Read: A Systematic Survey of Computational Persuasion [60.83151988635103]
AI駆動の説得は、有益なアプリケーションに活用することができるが、操作と非倫理的な影響を通じて脅威を引き起こす。
本調査では,AIによる説得の安全性,公平性,有効性を高めるための今後の研究方針について概説する。
論文 参考訳（メタデータ） (2025-05-12T17:26:31Z) - Artificial Intelligence in Deliberation: The AI Penalty and the Emergence of a New Deliberative Divide [0.0]
デジタル審議は民主的参加を拡大したが、課題は残る。
人工知能(AI)の最近の進歩は潜在的な解決策を提供するが、熟考におけるAIの役割に対する大衆の認識はいまだに過小評価されている。
AIが熟考、公的な信頼、受け入れ、参加意欲に統合される場合、影響される可能性がある。
論文 参考訳（メタデータ） (2025-03-10T16:33:15Z) - Why (not) use AI? Analyzing People's Reasoning and Conditions for AI Acceptability [17.420096756296896]
我々は,AIの発達に関する人々の判断に影響を与える人口統計学的要因と推論的要因について検討する。
我々は、個人の健康よりも労働代替利用の受け入れが低いことを見出した。
統一推論タイプ(例えば、コスト対利益推論)を観察して、より高い合意を導きます。
論文 参考訳（メタデータ） (2025-02-11T06:06:47Z) - Engaging with AI: How Interface Design Shapes Human-AI Collaboration in High-Stakes Decision-Making [8.948482790298645]
各種意思決定支援機構がユーザエンゲージメント,信頼,人間とAIの協調タスクパフォーマンスに与える影響について検討する。
その結果,AIの信頼性レベルやテキスト説明,パフォーマンス視覚化などのメカニズムにより,人間とAIの協調作業性能が向上することが判明した。
論文 参考訳（メタデータ） (2025-01-28T02:03:00Z) - 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) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Human-in-the-loop Fairness: Integrating Stakeholder Feedback to Incorporate Fairness Perspectives in Responsible AI [4.0247545547103325]
公正は人工知能(AI)を用いたリスクの高い意思決定への関心が高まっている
普遍的に受け入れられる公正度尺度はなく、公正性は文脈依存であり、公正と見なされるものに関して矛盾する視点があるかもしれない。
私たちの作業は、ステークホルダーが特定の決定インスタンスとその公正性に関する結果に対してフィードバックをすることができるアプローチに従っています。
論文 参考訳（メタデータ） (2023-12-13T11:17:29Z) - Knowing About Knowing: An Illusion of Human Competence Can Hinder
Appropriate Reliance on AI Systems [13.484359389266864]
本稿では、Dunning-Kruger Effect(DKE)がAIシステムへの適切な依存を妨げているかどうかを論じる。
DKEは、能力の低い個人が自身のスキルやパフォーマンスを過大評価しているため、メタ認知バイアスである。
その結果、パフォーマンスを過大評価する参加者は、AIシステムへの信頼度が低い傾向にあることがわかった。
論文 参考訳（メタデータ） (2023-01-25T14:26:10Z) - 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)
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。