論文の概要: Cripping AI: Reimagining AI Through Lived Disability Experiences
- arxiv url: http://arxiv.org/abs/2605.02080v1
- Date: Sun, 03 May 2026 22:36:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.071091
- Title: Cripping AI: Reimagining AI Through Lived Disability Experiences
- Title（参考訳）: クリッピングAI: 生きた障害経験を通してAIを想像する
- Authors: Xinru Tang, Ting-an Lin, Jingjin Li, Shaomei Wu,
- Abstract要約: AIのクリッピングは、AIの想像、設計、評価に埋め込まれた有能な仮定を明らかにし、分解しようとする。
私たちのフレームワークを3つのケースで適用する方法を示します – 言語AI、視覚障害者、視覚支援AI、聴覚障害者と音声AIです。
最終的には、AIを多様な人間のボディーミンドで切り取ることを含む、将来の仕事のための3つの方向を概説する。
- 参考スコア（独自算出の注目度）: 13.118958625581394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drawing on crip theory, this paper proposes cripping AI as a guiding framework to center lived disability experiences in AI research and development. Moving beyond calls to make AI "accessible" to people with disabilities, cripping AI seeks to: (1) reveal and dismantle ableist assumptions embedded in how AI is imagined, designed, and evaluated; (2) center disabled ways of knowing (i.e., cripistemologies); (3) respect disabled labor in co-creating accessible practices. We demonstrate how to apply our framework with three cases: deafness and sign language AI, blindness and visual assistive AI, and stuttering and speech AI. We end by outlining three directions for future work, including cripping AI with diverse human bodyminds, across the entire AI pipeline and ecosystem, and in collaboration with other justice-oriented AI efforts.
- Abstract（参考訳）: 本稿では、クリッピング理論に基づいて、AI研究・開発における生活障害体験の中心となるための指針として、AIをクラップすることを提案する。
障害のある人にAIを"アクセス可能"にするための呼び出しを超えて、AIのクラップは、(1)AIの想像、設計、評価に埋め込まれた有能な仮定を明らかにし、分解する。
私たちは、聴覚障害と手話AI、視覚障害者と視覚支援AI、発声と音声AIの3つのケースで、私たちのフレームワークをどのように適用するかを示します。
最終的には、AIをさまざまな人間のボディミンドで切り取ること、AIパイプライン全体とエコシステムを横断すること、その他の正義指向のAI活動とのコラボレーションを含む、将来の作業のための3つの方向を概説する。
関連論文リスト
- AI for Just Work: Constructing Diverse Imaginations of AI beyond "Replacing Humans" [23.559681740648447]
AIの一般的なビジョンと目的に対する批判的な考察の欠如は、コミュニティを操作に脆弱にする可能性がある。
AIコミュニティにおける一般的なビジョンは、主に、人間の置き換えや生産性向上といった目的を強調するモノカルチャーである、と私たちは認識しています。
そして私たちは、AIの集合的想像力を多様化し、AIの想像の始まりから倫理的仮定を埋め込むように呼びかけます。
論文 参考訳（メタデータ） (2025-03-10T20:03:55Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。
ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
論文 参考訳（メタデータ） (2024-09-29T04:31:45Z) - A Bibliometric View of AI Ethics Development [4.0998481751764]
我々は過去20年間,キーワード検索に基づくAI倫理文献の文献分析を行った。
AI倫理の次のフェーズは、AIが人間とマッチしたり、知的に超越したりするにつれて、AIをより機械的に近いものにすることに集中する可能性が高いと推測する。
論文 参考訳（メタデータ） (2024-02-08T16:36:55Z) - Positive AI: Key Challenges in Designing Artificial Intelligence for
Wellbeing [0.5461938536945723]
多くの人々は、AIが自分の生活に与える影響をますます心配しています。
AIの進歩を確実にするために、一部の研究者はAIを統治する鍵となる目的として「幸福」を提案した。
この記事では、幸福のためにAIを設計する際の重要な課題に対処する。
論文 参考訳（メタデータ） (2023-04-12T12:43:00Z) - Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。
次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。
模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
論文 参考訳（メタデータ） (2022-11-23T16:16:52Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - A Deep Reinforcement Learning Blind AI in DareFightingICE [0.8224695424591678]
本稿では,IEEE CoG 2022 の DareFightingICE コンペティションにおいて,音声を DareFightingICE プラットフォームに入力する深層強化学習AIを提案する。
この作業では、音声のみを入力として使用するAIは、ブラインドAIと呼ばれる。
論文 参考訳（メタデータ） (2022-05-16T04:48:24Z) - 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) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z) - Crossing the Tepper Line: An Emerging Ontology for Describing the
Dynamic Sociality of Embodied AI [0.9176056742068814]
AIがいかに「社会的に具現化されたAI」として現れるかを示す。
私たちはこれを、人間によって社会的かつエージェント的と認識された場合、対話的なコンテキスト内でaiを「循環的に」実施する状態と定義します。
論文 参考訳（メタデータ） (2021-03-15T00:45:44Z)
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。