論文の概要: Humanwashing -- It Should Leave You Feeling Dirty

• arxiv url: http://arxiv.org/abs/2605.13723v1
• Date: Wed, 13 May 2026 16:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.164026
• Title: Humanwashing -- It Should Leave You Feeling Dirty
• Title（参考訳）: 人間を洗う - 汚れに気を配るべき
• Authors: Ben Wilson, Matimba Swana, Peter Winter, Matt Roach,
• Abstract要約: AI決定プロセスの人間による監視は、懸念に対処するための最も一般的な提案の1つである。 しかし、人間の監視が実際に何を意味するのかは、十分に検証されていない。 ループメタファーの使用は、プロセスと結果の両方を曖昧にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The phrase 'human in the loop' is increasingly used to imply a sense of safety in relation to AI decision systems. It shouldn't. There are contexts where it can be applied appropriately, but these are not in the deployed decision systems we see dominating today. Human oversight of AI decision processes is one of the most popular proposals for addressing concerns, especially about bias, discrimination, misinformation, manipulation, accountability, and transparency. But there is insufficient examination of what human oversight actually means. The question raised in this paper is whether using the metaphor of a loop does anything to assist understanding of what is required and what is achieved in a particular decision context. Indiscriminate use of the loop metaphor obscures both processes and outcomes. It enables 'humanwashing', an activity analogous to 'greenwashing', where writers and commentators use language primarily aimed at putting systems in the best possible light.
• Abstract（参考訳）: ループの中の人間」という用語は、AI決定システムに関する安全性の感覚を暗示するために、ますます使われてきている。 そうはならない。 適切な適用が可能なコンテキストはありますが、これらは私たちが現在支配しているような、デプロイされた意思決定システムには含まれていません。 AI決定プロセスの人間による監視は、特に偏見、差別、誤情報、操作、説明責任、透明性に関する懸念に対処するための最も一般的な提案の1つである。 しかし、人間の監視が実際に何を意味するのかは、十分に検証されていない。 本稿では,ループのメタファーを用いることで,何が必要なのか,何を達成するのかを,特定の意思決定コンテキストで理解する上で何の役にも立たないか,という疑問を提起する。 ループメタファーの無差別使用は、プロセスと結果の両方を曖昧にする。 これは「グリーンウォッシング」に類似した活動である「ヒューマンウォッシング」を可能にするもので、著者や評論家は、可能な限り最高の光にシステムを配置することを目的とした言語を使用する。

関連論文リスト

• A theory of appropriateness with applications to generative artificial intelligence [56.23261221948216]
  我々は、AIによる意思決定を適切に評価し、改善するために、人間の意思決定がいかに適切かを理解する必要がある。 本稿では,人間の社会でどのように機能するか,脳でどのように実装されるのか,生成AI技術の展開に責任があるのか,という,適切性の理論について述べる。
  論文  参考訳（メタデータ） (2024-12-26T00:54:03Z)
• The Technology of Outrage: Bias in Artificial Intelligence [1.2289361708127877]
  人工知能と機械学習は、人々の意思決定をオフロードするためにますます使われています。 過去において、この代替の根拠の1つは、機械が人間と違って公平で偏見のないものになることである。 アルゴリズム的偏見に対して人々が感情的に反応する場合、我々は怒り、知性、道徳、政治の3つの形態を識別する。
  論文  参考訳（メタデータ） (2024-09-25T20:23:25Z)
• Characterizing Manipulation from AI Systems [7.344068411174193]
  我々は、他の分野からの操作に関する文献の上に構築し、操作の可能な概念の空間を特徴づける。 本稿では,特徴量に基づく操作の定義を提案する。 第3に,不正や強制など,操作と関連する概念の関連性について論じる。
  論文  参考訳（メタデータ） (2023-03-16T15:19:21Z)
• Users are the North Star for AI Transparency [111.5679109784322]
  透明な人工知能システムを求める声が広まっているにもかかわらず、この用語は、厳密な政策の目的や具体的な研究ラインのオリエント化を表すために、多義的な意味に過大評価されている。 このことが起こる理由の1つは、AI透明性の明確な理想が、この仕事の体で実現されないことである。 透明性はユーザ中心で、ユーザ指向で、誠実です。
  論文  参考訳（メタデータ） (2023-03-09T18:53:29Z)
• Is the Elephant Flying? Resolving Ambiguities in Text-to-Image Generative Models [64.58271886337826]
  テキストから画像への生成モデルで生じるあいまいさについて検討する。 本稿では,ユーザから明確化を求めることによって,システムに与えられるプロンプトのあいまいさを軽減する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-11-17T17:12:43Z)
• When to Make Exceptions: Exploring Language Models as Accounts of Human Moral Judgment [96.77970239683475]
  AIシステムは人間の道徳的判断や決定を理解し、解釈し、予測しなければなりません。 AIの安全性に対する中心的な課題は、人間の道徳心の柔軟性を捉えることだ。 ルール破りの質問応答からなる新しい課題セットを提案する。
  論文  参考訳（メタデータ） (2022-10-04T09:04:27Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)
• Evidence-based explanation to promote fairness in AI systems [3.190891983147147]
  人は意思決定をし、通常、自分の決定を他の人や何かに説明する必要があります。 意思決定をAIサポートで説明するためには、AIがその決定の一部となっているかを理解する必要がある。 我々は,「意思決定の物語を語る」ためのエビデンスに基づく説明設計アプローチを模索してきた。
  論文  参考訳（メタデータ） (2020-03-03T14:22:11Z)
• A Case for Humans-in-the-Loop: Decisions in the Presence of Erroneous Algorithmic Scores [85.12096045419686]
  本研究では,児童虐待のホットラインスクリーニング決定を支援するアルゴリズムツールの採用について検討した。 まず、ツールがデプロイされたときに人間が行動を変えることを示します。 表示されたスコアが誤ったリスク推定である場合、人間はマシンの推奨に従わない可能性が低いことを示す。
  論文  参考訳（メタデータ） (2020-02-19T07:27:32Z)

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。