論文の概要: Participatory provenance as representational auditing for AI-mediated public consultation
- arxiv url: http://arxiv.org/abs/2604.20711v1
- Date: Wed, 22 Apr 2026 15:54:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.209089
- Title: Participatory provenance as representational auditing for AI-mediated public consultation
- Title（参考訳）: AIを介する公開協議における代表的監査としての参加型証明
- Authors: Sachit Mahajan,
- Abstract要約: 人工知能は、政策協議や参加プロセスにおいて、大規模な公衆の入力を合成するためにますます普及している。
これらの要約が情報源の人口を忠実に表すかどうかを監査するための正式な枠組みは存在しない。
最適輸送理論、因果推論、意味分析に基づく測定フレームワーク。
- 参考スコア（独自算出の注目度）: 0.564046562677526
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial intelligence is increasingly deployed to synthesize large-scale public input in policy consultations and participatory processes. Yet no formal framework exists for auditing whether these summaries faithfully represent the source population, an accountability gap that existing approaches to AI explainability, grounding and hallucination detection do not address because they focus on output quality rather than input fidelity. Here, participatory provenance is introduced: a measurement framework grounded in optimal transport theory, causal inference and semantic analysis that tracks how individual public submissions are transformed, filtered or lost through AI-mediated summarization. Applied to Canada's 2025-2026 national AI Strategy consultation ($n = 5{,}253$ respondents across two independent policy topics), the framework reveals that both official government summaries underperform a random-participant baseline ($-9.1\%$ and $-8.0\%$ coverage degradation), with $16.9\%$ and $15.3\%$ of participants effectively excluded. Exclusion concentrates in clusters expressing dissent, scepticism and critique of AI ($33$-$88\%$ exclusion rates). Brevity, semantic isolation and rhetorical register independently predict representational outcome. An accompanying open-source interactive tool, the Co-creation Provenance Lab, enables policymakers to audit and iteratively improve summaries, establishing genuine human-in-the-loop oversight at scale.
- Abstract（参考訳）: 人工知能は、政策協議や参加プロセスにおいて、大規模な公衆の入力を合成するためにますます普及している。
しかし、これらの要約が情報源の人口を忠実に表現するかどうかを監査するための正式な枠組みは存在しない。
ここでは、最適な輸送理論、因果推論、意味分析に基づく測定フレームワークを紹介します。
カナダの2025-2026年の全国AI戦略協議(n = 5{,}253$)に適用されたこの枠組みは、両方の公式政府の要約が、ランダムな参加者ベースライン(-9.1\%$と8.0\%$カバレッジ低下)を実質的に排除した16.9\%$と15.3\%$を下回っていることを明らかにしている。
排除は、AIに対する不満、懐疑、批判を表すクラスタに集中する(33$-$88\%$排他率)。
簡潔さ、セマンティックアイソレーション、レトリックレジスタは独立して表現結果を予測する。
付随するオープンソースのインタラクティブツールであるCo-creation Provenance Labは、政策立案者がサマリーを監査し、反復的に改善し、真の人間のループ監視を大規模に確立することを可能にする。
関連論文リスト
- Bureaucratic Silences: What the Canadian AI Register Reveals, Omits, and Obscures [28.163187835238478]
2025年11月、カナダ政府は最初の連邦AI登録簿を公表することで透明性へのコミットメントを運用した。
このようなレジスタは、政府の活動の中立的なミラーではなく、説明責任の境界を構成するオントロジ設計のアクティブな手段である、と我々は主張する。
論文 参考訳（メタデータ） (2026-04-16T20:48:35Z) - AI-Assisted Peer Review at Scale: The AAAI-26 AI Review Pilot [45.90272517740283]
本稿では,AI支援ピアレビューの大規模展開について報告する。
AAAI-26のすべてのメイントラックは、最先端のシステムから明確に特定されたAIレビューを受け取りました。
論文 参考訳（メタデータ） (2026-04-15T14:51:07Z) - Provable and Practical In-Context Policy Optimization for Self-Improvement [49.670847804409874]
本研究では,モデルが推論における複数ラウンドの自己回帰によって解答を改善するテスト時間スケーリングについて検討する。
In-Context Policy Optimization (ICPO)を導入し、エージェントはパラメータを変更することなく、自己評価または外部から観察された報酬を用いて、その応答を文脈で最適化する。
提案する最小エントロピーICPO(ME-ICPO, Minimum-Entropy ICPO)は、その応答と自己評価報酬を反復的に利用して、推論時にその応答を洗練する実用的なアルゴリズムである。
論文 参考訳（メタデータ） (2026-03-02T00:21:50Z) - Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。
プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
論文 参考訳（メタデータ） (2026-01-23T17:17:32Z) - Neither Consent nor Property: A Policy Lab for Data Law [4.588656982178105]
この論文は、AI経済における不透明なデータ市場を初めて実証的に正当化するものである。
パイプラインは、市場の隠れたロジックを抽出するために、数年のフィールドワークから始まります。
現実に反し、観察された貿易パターンを再現する。
論文 参考訳（メタデータ） (2025-10-30T17:27:03Z) - Measuring the Vulnerability Disclosure Policies of AI Vendors [6.699753859123699]
264社のAIベンダーの開示ポリシーを検討する。
36%のベンダが公開チャネルを提供しておらず、AI関連のリスクを明示的に言及しているのは18%に過ぎません。
我々は、バグ報奨金政策の進化が学術研究や現実世界の出来事に遅れをとっていることを示している。
論文 参考訳（メタデータ） (2025-09-07T16:44:28Z) - Democratizing Differential Privacy: A Participatory AI Framework for Public Decision-Making [2.1967674611287444]
本稿では,パブリックセクターアプリケーションにおけるAIシステムの参加型設計を可能にする対話型インタフェースシステムを提案する。
我々の研究は、対話インタフェースがアルゴリズムのプライバシメカニズムにおける公的なエンゲージメントをいかに向上させるかを示すことによって、参加型AIの実践を前進させる。
論文 参考訳（メタデータ） (2025-04-30T04:10:50Z) - Debate, Deliberate, Decide (D3): A Cost-Aware Adversarial Framework for Reliable and Interpretable LLM Evaluation [0.0]
本稿では、役割特化エージェント間の構造的議論を組織化する、費用対効果のある多エージェントフレームワークであるDebate, Deliberate, Decide(D3)を紹介する。
我々は,反復的議論の下で信頼性と収束性を特徴付けるスコアギャップの確率論的モデルを開発する。
我々は,人間の判断に対する最先端の合意,匿名化による位置バイアスと冗長性バイアスの低減,そして,適切な費用対精度のフロンティアを示す。
論文 参考訳（メタデータ） (2024-10-07T00:22:07Z) - 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) - Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。
ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。
提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
論文 参考訳（メタデータ） (2024-07-02T03:31:21Z) - Public Bayesian Persuasion: Being Almost Optimal and Almost Persuasive [57.47546090379434]
i) 任意の状態空間, (ii) 任意の行動空間, (iii) 任意の送信者のユーティリティ関数を用いて, 一般の状況下での公衆の説得問題を考察する。
任意の公的な説得問題に対して準多項式時間ビクテリア近似アルゴリズムを提案し、特定の設定でQPTASを出力する。
論文 参考訳（メタデータ） (2020-02-12T18:59:18Z)
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。