論文の概要: From Disclosure to Self-Referential Opacity: Six Dimensions of Strain in Current AI Governance

• arxiv url: http://arxiv.org/abs/2604.14070v1
• Date: Wed, 15 Apr 2026 16:39:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.646648
• Title: From Disclosure to Self-Referential Opacity: Six Dimensions of Strain in Current AI Governance
• Title（参考訳）: 開示から自己参照のOpacity:現在のAIガバナンスにおける6次元の歪み
• Authors: Tony Rost,
• Abstract要約: 本稿では、政治理論から既に運用されている6つのAIガバナンスアレンジメントまで、6次元の枠組みを適用した。 パターンはマルチレイタ検証の仮説として提供される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Governance opacity over AI systems shifts in kind as capability asymmetry grows, and the strongest forms defeat the disclosure-based remedies governance ordinarily relies on. This paper applies a six-dimension framework from political theory (legitimacy, accountability, corrigibility, non-domination, subsidiarity, institutional resilience) to six AI governance arrangements already in operation, ordered by increasing capability asymmetry between system and overseer. Proprietary secrecy yields to disclosure at the low end, but at the high end the governed system either games its own evaluation or sits inside the governance process, and transparency remedies lose traction. Legitimacy and non-domination strain more consistently across the sample than corrigibility and resilience, which respond more readily to institutional design quality. The sample cannot separate institutional design maturity from capability asymmetry, and the patterns are offered as hypotheses for multi-rater validation.
• Abstract（参考訳）: AIシステムに対するガバナンスの不透明度は、能力の非対称性が増大するにつれて、種類によって変化します。 本稿では、すでに運用されている6つのAIガバナンスアレンジメントに対して、政治理論(レジリエシー、説明責任、調整性、非支配、補助、制度的レジリエンス)から6次元の枠組みを適用し、システムと監督者の間の能力非対称性の増大を図った。 プロプライエタリな秘密保持は、ローエンドでの開示に結びつくが、ハイエンドでは、統治されたシステムは自身の評価をゲームするか、ガバナンスプロセスの中に置かれ、透明性の是正は牽引力を失う。 正当性や非支配性は, 整合性やレジリエンスよりも一貫して, 制度設計の質に敏感に反応する。 サンプルは、制度設計の成熟度と能力の非対称性を区別することができず、このパターンはマルチレータ検証の仮説として提示される。

関連論文リスト

• Evaluating Bounded Superintelligent Authority in Multi-Level Governance: A Framework for Governance Under Radical Capability Asymmetry [0.0]
  本稿では, 仮説を定式化して, 検証可能なフレームワークを構築し, 負荷分散であることを示す。 この枠組みは6次元(レジリエシー、説明責任、調整可能性、非支配、補助金、制度的レジリエンス)の必要な条件を規定している。
  論文  参考訳（メタデータ） (2026-04-03T04:26:18Z)
• Stability of AI Governance Systems: A Coupled Dynamics Model of Public Trust and Social Disruptions [0.49157446832511503]
  本稿では,離散時間ホークスプロセスを統合する厳密な結合力学モデルを提案する。 信頼の低下はその後の論争の激しさを増幅する。 数値実験により、エコーチャンバーネットワーク構造とメディア増幅がガバナンスの失敗を加速する方法が明らかにされた。
  論文  参考訳（メタデータ） (2026-03-10T12:24:30Z)
• VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction [55.04308051033549]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、LLM(Large Language Models)推論を向上するための主要なパラダイムとして登場した。 モデル固有の信頼性を活用して外部検証から独立したカリキュラムを構築するフレームワークであるVerifier-Independent Curriculum Reinforcement Learning (VI-CuRL)を紹介する。
  論文  参考訳（メタデータ） (2026-02-13T03:40:52Z)
• The Chancellor Trap: Administrative Mediation and the Hollowing of Sovereignty in the Algorithmic Age [0.0]
  高スループットの組織では、AIによる意思決定サポートによって、失敗が公然と合法化され、政治的に競合する可能性を減らすことができる。 本稿は、この力学を検証ギャップを特徴とする主エージェント問題として定式化する。 ガバナンスシステムは、失敗を内部的に吸収し解決する上で、より効果的になり、同時に、これらの失敗が政治的に目に見えるしきい値を上げる。
  論文  参考訳（メタデータ） (2026-02-09T07:28:44Z)
• Mirror: A Multi-Agent System for AI-Assisted Ethics Review [104.3684024153469]
  MirrorはAIによる倫理的レビューのためのエージェントフレームワークである。 倫理的推論、構造化された規則解釈、統合されたアーキテクチャ内でのマルチエージェントの議論を統合する。
  論文  参考訳（メタデータ） (2026-02-09T03:38:55Z)
• Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
  現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。 このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。 本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T22:24:21Z)
• Opacity as a Feature, Not a Flaw: The LoBOX Governance Ethic for Role-Sensitive Explainability and Institutional Trust in AI [9.696149761543573]
  本稿では,人工知能(AI)の不透明性を管理するために,LoBOX (Lack of Belief: Opacity & eXplainability)ガバナンス倫理を紹介する。 不透明さを設計上の欠陥として扱うのではなく、LoBOXはロールキャリブレーションされた説明と制度的な説明責任によって倫理的に管理できる条件として定義している。
  論文  参考訳（メタデータ） (2025-05-18T16:59:45Z)
• Artificial Intelligence in Government: Why People Feel They Lose Control [44.99833362998488]
  行政における人工知能の利用は急速に拡大している。 AIはより効率と応答性を約束するが、政府機能への統合は公正性、透明性、説明責任に関する懸念を提起する。 この記事では、デリゲートの特別事例として、AI導入に関するプリンシパル・エージェント理論を適用します。
  論文  参考訳（メタデータ） (2025-05-02T07:46:41Z)
• AI and the Transformation of Accountability and Discretion in Urban Governance [1.9152655229960793]
  この研究は洞察を合成し、意思決定プロセスにおける責任あるAI統合のための指針原則を提案する。 分析によると、AIは単に判断を制限したり、強化したりするのではなく、制度レベルで再配布する。 同時に管理の監督を強化し、意思決定の整合性を高め、運用効率を向上させることができる。
  論文  参考訳（メタデータ） (2025-02-18T18:11:39Z)
• Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
  認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。 本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。 この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
  論文  参考訳（メタデータ） (2024-11-03T17:32:00Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)

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。