論文の概要: High-Risk Memories? Comparative audit of the representation of Second World War atrocities in Ukraine by generative AI applications
- arxiv url: http://arxiv.org/abs/2604.13765v1
- Date: Wed, 15 Apr 2026 11:49:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.517667
- Title: High-Risk Memories? Comparative audit of the representation of Second World War atrocities in Ukraine by generative AI applications
- Title（参考訳）: 高リスク記憶 : 生成的AI応用によるウクライナにおける第二次世界大戦の残虐行為の表現の比較監査
- Authors: Mykola Makhortykh, Victoria Vziatysheva, Maryna Sydorova,
- Abstract要約: 我々は、ウクライナにおける第二次世界大戦の残虐行為の高リスク記憶に対するgenAIの応用について検討する。
このケースは、残虐行為の範囲と、その記憶を取り巻く激しい、しばしば楽器化された激しいコンテストのために重要である。
異なる種類の誤表現に対する3つの一般的なgenAIアプリケーションの性能を監査する。
- 参考スコア（独自算出の注目度）: 0.15293427903448023
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rise of generative artificial intelligence (genAI) models poses new possibilities and risks for how the past is remembered by accelerating content production and altering the process of information discovery. The most critical risk is historical misrepresentation, which ranges from the distortion of facts and inaccurate depiction of specific groups to more subtle forms, such as the selective moralization of history. The dangers of misrepresentation of the past are particularly pronounced for high-risk memories, such as memories of past atrocities, which have a strong emotional load and are often instrumentalised by political actors. To understand how substantive this risk is, we empirically investigate how genAI applications deal with high-risk memories of the Second World War atrocities in Ukraine. This case is crucial due to the scope of the atrocities and the intense, often instrumentalised, contestation surrounding their memory. We audit the performance of three common genAI applications for different types of misrepresentation, including hallucinations and inconsistent moralization, and discuss the implications for future memory practices.
- Abstract（参考訳）: 生成人工知能(genAI)モデルの台頭は、コンテンツの制作を加速し、情報発見のプロセスを変えることによって、過去の記憶をいかに変化させるかについて、新たな可能性とリスクをもたらす。
もっとも重大なリスクは、事実の歪曲や特定のグループの不正確な描写から、歴史の選択的モラル化のようなより微妙な形式まで、歴史の誤表現である。
過去の誤表現の危険性は、特に過去の残虐行為の記憶のような高リスクな記憶に対して顕著であり、感情的な負荷が強く、しばしば政治役者によって具体化されている。
このリスクがいかに現実的であるかを理解するために、ウクライナにおける第二次世界大戦の残虐行為のリスクの高い記憶にgenAIがどう対処するかを実証的に調査する。
このケースは、残虐行為の範囲と、その記憶を取り巻く激しい、しばしば楽器化された激しいコンテストのために重要である。
幻覚や無矛盾なモラル化を含む,異なる種類の誤表現に対する3つの一般的なgenAIアプリケーションの性能を監査し,今後の記憶実践への影響について考察する。
関連論文リスト
- RiskAtlas: Exposing Domain-Specific Risks in LLMs through Knowledge-Graph-Guided Harmful Prompt Generation [53.47466016688839]
大規模言語モデル(LLM)は、金融や医療といった専門分野にますます適用されている。
本稿では、知識グラフ誘導による有害なプロンプト生成を行い、二重パス難読化書き換えを適用するエンドツーエンドフレームワークを提案する。
このフレームワークは、強いドメイン関連性と暗黙性を組み合わせた高品質なデータセットを生成する。
論文 参考訳（メタデータ） (2026-01-08T09:05:28Z) - SoK: Privacy Risks and Mitigations in Retrieval-Augmented Generation Systems [53.51921540246166]
Retrieval-Augmented Generation (RAG)技術は広く普及している。
RAGには、Large Language Models(LLM)とドメイン固有の知識ベースとの結合が含まれる。
RAGの普及は、データのプライバシに関する懸念を引き起こしている。
論文 参考訳（メタデータ） (2026-01-07T14:50:41Z) - Generic visuality of war? How image-generative AI models (mis)represent Russia's war against Ukraine [0.08594140167290099]
生成的AI(genAI)の台頭は、現代の戦争を含む社会現実のさまざまな側面の表現を変えることができる。
欧米のジェネシスモデルと非西洋のジェネシスモデルで表現された暴力のエピソード間で、genAI表現の実践がどう異なるかを検討する。
以上の結果から,文脈要因が同一モデルの出力とモデル間の戦争表現に変化をもたらすことが示唆された。
論文 参考訳（メタデータ） (2025-12-06T21:26:21Z) - From prosthetic memory to prosthetic denial: Auditing whether large language models are prone to mass atrocity denialism [0.0]
大型言語モデル(LLM)の普及は、歴史的物語の普及と認識に影響を及ぼす可能性がある。
本研究は, 生成型AIシステムが人工記憶, すなわち, 歴史的出来事の介在的体験に寄与するかどうかを考察する。
論文 参考訳（メタデータ） (2025-05-27T20:41:30Z) - From Incidents to Insights: Patterns of Responsibility following AI Harms [1.9389881806157316]
AIインシデントデータベースは航空安全データベースにインスパイアされ、障害からの集合的学習を可能とし、将来のインシデントを防ぐ。
データベースは、ニュースやメディアから収集された数百のAI障害を文書化している。
技術的に焦点を絞った学習を超えて、データセットは新たな、非常に価値のある洞察を提供することができる、と私たちは主張する。
論文 参考訳（メタデータ） (2025-05-07T09:59:36Z) - Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。
本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。
以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-29T10:21:40Z) - No AI After Auschwitz? Bridging AI and Memory Ethics in the Context of
Information Retrieval of Genocide-Related Information [0.0]
AIによる情報検索システムは、ジェノサイドを含む幅広い歴史的現象をユーザーに知らせる。
IRシステムは、ジェノサイド関連情報のキュレーションに関連する複数の倫理的課題にどの程度対処できるかは、現時点では不明である。
本章はベルモントの基準にインスパイアされた3部構成の枠組みを用いて、ジェノサイド関連情報の人為的キュレーションに関連する倫理的課題の概要を述べる。
論文 参考訳（メタデータ） (2024-01-23T20:18:50Z) - Factuality Challenges in the Era of Large Language Models [113.3282633305118]
大規模言語モデル(LLM)は、誤った、誤った、あるいは誤解を招くコンテンツを生成する。
LLMは悪意のあるアプリケーションに利用することができる。
これは、ユーザーを欺く可能性があるという点で、社会に重大な課題をもたらす。
論文 参考訳（メタデータ） (2023-10-08T14:55:02Z) - DeepfakeArt Challenge: A Benchmark Dataset for Generative AI Art Forgery and Data Poisoning Detection [57.51313366337142]
悪意ある目的のために生成的AIを使用することについて懸念が高まっている。
生成AIを用いた視覚コンテンツ合成の領域では、画像偽造とデータ中毒が重要な関心事となっている。
DeepfakeArt Challenge(ディープフェイクアートチャレンジ)は、AIアートのジェネレーションとデータ中毒検出のための機械学習アルゴリズムの構築を支援するために設計された、大規模なチャレンジベンチマークデータセットである。
論文 参考訳（メタデータ） (2023-06-02T05:11:27Z) - Shall androids dream of genocides? How generative AI can change the
future of memorialization of mass atrocities [0.0]
デジタル技術は、トップダウンを減らし、より創造的なアプローチで大量残虐行為を思い出すことによって、メモリアル化の慣行を変えてきた。
テキストや視覚コンテンツを生成する人工知能(AI)の生成形態の出現は、記念の分野にさらに革命をもたらす可能性がある。
本稿では,集団残虐行為を記念するために生成AIを使用する機会とリスクについて検討する。
論文 参考訳（メタデータ） (2023-05-08T18:23:13Z)
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。