論文の概要: Inspectable AI for Science: A Research Object Approach to Generative AI Governance
- arxiv url: http://arxiv.org/abs/2604.11261v1
- Date: Mon, 13 Apr 2026 10:13:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.468867
- Title: Inspectable AI for Science: A Research Object Approach to Generative AI Governance
- Title（参考訳）: 科学のためのインスペクタブルAI: ジェネレーティブAIガバナンスのための研究対象アプローチ
- Abstract要約: 研究対象としてのAI(AI-RO)について紹介する。
AIが著者なのか単なるツールなのかを議論する代わりに、我々はAIインタラクションを研究プロセスの構造化された検査可能なコンポーネントとして扱うことを提案する。
- 参考スコア（独自算出の注目度）: 35.790980610679384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces AI as a Research Object (AI-RO), a paradigm for governing the use of generative AI in scientific research. Instead of debating whether AI is an author or merely a tool, we propose treating AI interactions as structured, inspectable components of the research process. Under this view, the legitimacy of an AI-assisted scientific paper depends on how model use is integrated into the workflow, documented, and made accountable. Drawing on Research Object theory and FAIR principles, we propose a framework for recording model configuration, prompts, and outputs through interaction logs and metadata packaging. These properties are particularly consequential in security and privacy (S&P) research, where provenance artifacts must satisfy confidentiality constraints, integrity guarantees, and auditability requirements that generic disclosure practices do not address. We implement a lightweight writing pipeline in which a language model synthesizes human-authored structured literature review notes under explicit constraints and produces a verifiable provenance record. We present this work as a position supported by an initial demonstrative workflow, arguing that governance of generative AI in science can be implemented as structured documentation, controlled disclosure, and integrity-preserving provenance capture. Based on this example, we outline and motivate a set of necessary future developments required to make such practices practical and widely adoptable.
- Abstract（参考訳）: 本稿では,AIを科学研究に活用するためのパラダイムである研究対象としてのAI(AI-RO)を紹介する。
AIが著者なのか単なるツールなのかを議論する代わりに、我々はAIインタラクションを研究プロセスの構造化された検査可能なコンポーネントとして扱うことを提案する。
この観点では、AI支援科学論文の正当性は、モデルの使用がワークフローにどのように統合され、ドキュメント化され、説明可能になったかに依存する。
本研究では、Research Object理論とFAIR原則に基づいて、インタラクションログとメタデータパッケージングを通じてモデル構成、プロンプト、出力を記録するためのフレームワークを提案する。
これらの特性は、特にセキュリティとプライバシ(S&P)の研究において重要であり、そこでは、証明アーティファクトは機密性制約、完全性保証、一般的な開示慣行が解決しない監査性要件を満たす必要がある。
我々は,言語モデルを用いて,明示的な制約の下で人為的な構造化された文献レビューノートを合成し,検証可能な証明記録を生成する,軽量な書き込みパイプラインを実装した。
本研究は、科学における生成AIのガバナンスを構造化された文書化、制御された開示、整合性を保つ前兆キャプチャとして実装できるという、最初の実証的ワークフローが支持する立場として提示する。
この例に基づいて、そのようなプラクティスを実践的かつ広く適用可能にするために必要な、一連の将来の開発を概説し、動機づける。
関連論文リスト
- On Automated and Explainable Provenance of AI-Generated Code [56.818202904805446]
次世代のCodeGenAIツールは、説明可能な証明の基礎の上に構築されなければならない、と我々は主張する。
本稿では,大規模実証研究とポストホック因果・解釈可能性技術を組み合わせた研究プログラムについて述べる。
論文 参考訳（メタデータ） (2026-08-03T14:50:31Z) - A Practice Auditing Framework for Large Language Model Use: Collective Empiricism, Pseudo-Rational Cognition, and Governance of AI-Generated Content [9.414394075880033]
本稿では,LLM利用とAI生成コンテンツガバナンスのための実践監査フレームワークを提案する。
本稿は,AIの主観的錯覚,入力材料における主観的構造,AI-AI会話におけるテンプレートループ,AIGC検出における統計的誤判断,生成したコンテンツが将来的なコンテキストに入る際のメモリ汚染を解析する。
論文 参考訳（メタデータ） (2026-06-02T00:46:47Z) - PAIRED: A Process-Anchored Framework for Transparent Reporting of AI Contributions in Scientific Research [0.7614628596146601]
AIコントリビューションを報告するための既存のフレームワークは、一様にアウトプット指向である。
現在のフレームワークでは、研究の方向性を創始した研究者と、AIの提案した方向性を採用した研究者とを区別することはできない。
論文 参考訳（メタデータ） (2026-05-23T01:10:56Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production [0.0]
本稿では, 文書, 章, 節, 段落のレベルにおいて, AI支援によるテキスト生成を表現するためのファセットモデルを提案する。
提案では、フォーム、ジェネレーション、評価に基づくコアモデルと、インテント、コントロール、トレーサビリティを追加する拡張モデルを紹介している。
論文 参考訳（メタデータ） (2026-04-28T08:03:16Z) - Towards Human-AI Synergy in Requirements Engineering: A Framework and Preliminary Study [2.195918681143262]
本稿では,Human-AI RE Synergy Model(HARE-SM)を紹介する。
このモデルは、AIによる分析と人間の監視を統合して、要求の推論、分析、検証を改善する。
我々は、REデータセットの作成、微調整AIモデル、協調型ヒューマンAIの設計に焦点を当てた多段階の研究方法論を概説する。
論文 参考訳（メタデータ） (2025-10-28T22:29:11Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - Survey on Vision-Language-Action Models [0.2636873872510828]
この研究は、オリジナルの研究を表現していないが、AIが文学レビューの自動化にどのように役立つかを強調している。
今後の研究は、AI支援文学レビューのための構造化されたフレームワークの開発に焦点を当てる。
論文 参考訳（メタデータ） (2025-02-07T11:56:46Z) - The Fundamental Rights Impact Assessment (FRIA) in the AI Act: Roots, legal obligations and key elements for a model template [55.2480439325792]
基本権利影響評価(FRIA)の理論的・方法論的検討における既存のギャップを埋めることを目的とする。
この記事では、FRIAのモデルテンプレートの主要なビルディングブロックについて概説する。
これは、AIが人権と完全に整合していることを保証するために、他の国家および国際規制イニシアチブの青写真として機能する。
論文 参考訳（メタデータ） (2024-11-07T11:55:55Z) - FAIR AI Models in High Energy Physics [16.744801048170732]
実験高エネルギー物理学におけるAIモデルに対するFAIR原則の実践的定義を提案する。
これらの原則を適用するためのテンプレートについて説明する。
本稿では,このFAIR AIモデルの堅牢性,ハードウェアアーキテクチャとソフトウェアフレームワーク間のポータビリティ,解釈可能性について報告する。
論文 参考訳（メタデータ） (2022-12-09T19:00:18Z) - A Methodology for Creating AI FactSheets [67.65802440158753]
本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。
方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。
この方法論は、透明なAIドキュメントの採用を加速する。
論文 参考訳（メタデータ） (2020-06-24T15:08:59Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。