論文の概要: Commons-Governed Artificial Intelligence: A Taxonomy of Collective Governance

• arxiv url: http://arxiv.org/abs/2606.15466v1
• Date: Sat, 13 Jun 2026 20:53:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.591173
• Title: Commons-Governed Artificial Intelligence: A Taxonomy of Collective Governance
• Title（参考訳）: Commons-Governed Artificial Intelligence: A Taxonomy of Collective Governance
• Authors: Eduardo C. Garrido-Merchán,
• Abstract要約: 本稿は、これらのアレンジメントが、コモンズが支配する人工知能と呼ばれる、一貫性のある機関ファミリーを形成することを主張する。 我々は,AIスタックのリソース層が共通する2次元分類に寄与する。 私たちは、プロジェクト、オープン洗浄、計算ボトルネック、フリーライド、スケールと持続可能性の間の緊張を制限している緊張関係に近づきます。
• 参考スコア（独自算出の注目度）: 1.5736899098702974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The governance of artificial intelligence is overwhelmingly theorized through two institutional frames. In the market frame, the data, models, and compute that constitute the AI stack are private goods exchanged under property and contract; in the state frame, a regulator imposes rules from above. A third possibility, the collective and self-organized stewardship of AI-relevant resources by the communities that produce and depend on them, remains comparatively under-theorized, even as it proliferates in practice through data trusts and cooperatives, federated learning consortia, public compute initiatives, open-weight model collaborations, and community data sovereignty regimes. This article argues that these arrangements form a coherent institutional family, which we call commons-governed artificial intelligence, and that the analytic vocabulary developed by Elinor Ostrom and her successors for common-pool and knowledge commons is the right backbone for classifying them. We contribute a two-dimensional taxonomy whose first axis is the resource layer of the AI stack held in common, distinguishing data, compute, models, knowledge and evaluation, and energy, and whose second axis is the governance function performed, derived from Ostrom design principles. We populate the taxonomy by examining the published evidence layer by layer, locate ten recurrent institutional archetypes within it, synthesize their positions through a maturity matrix and a comparative reading against the eight design principles, and treat the energy and sustainability of computation as a first-class commons-governance problem rather than an externality. We close with the tensions that constrain the project, openwashing, the compute bottleneck, free-riding, and the tension between scale and sustainability, and with a research agenda for a polycentric AI commons.
• Abstract（参考訳）: 人工知能のガバナンスは、2つの制度的な枠組みを通じて圧倒的に理論化されている。 市場フレームでは、AIスタックを構成するデータ、モデル、および計算は、資産と契約の下で交換されるプライベートグッズである。 第3の可能性として、AI関連資源の集合的かつ自己組織的な運営は、データ信頼と協力、連合学習コンソーシアム、パブリックコンピューティングイニシアチブ、オープンウェイトモデルコラボレーション、およびコミュニティデータ主権体制を通じて実践が拡大しているにもかかわらず、比較的理論が下がらないままである。 本稿は,コモンズ・グラウンド・人工知能(Commons-governed Artificial Intelligence)と呼ぶ,コモンプールと知識コモンズに関するエリナー・オストロムとその後継者によって開発された分析語彙が,コモンプールと知識コモンズを分類するための正しいバックボーンであることを論じる。 我々は、データ、計算、モデル、知識と評価、エネルギーを区別し、第1軸がAIスタックのリソース層であり、第2軸がオストロム設計原則から導かれたガバナンス機能である2次元分類に寄与する。 本研究は,論文のエビデンス層を層単位で検証し,その内部に10の連続する制度的アーキタイプを同定し,その位置を成熟度行列と8つの設計原理との比較読解を通して合成し,計算のエネルギーと持続可能性について,外部性よりも第一級コモンズ統治問題として扱うことによって分類する。 私たちは、プロジェクト、オープン洗浄、計算ボトルネック、フリーライディング、スケールと持続可能性の間の緊張、そして多中心AIコモンズのリサーチアジェンダを制限している緊張関係に近づきます。

関連論文リスト

• The Dignity-Centric Stack: A Commons-Governed, Horizontally Federated Architecture for Human-Dignity AI [1.5736899098702974]
  我々は、人間の尊厳、データパーソナリズム、データ主権に個人データを基盤として、人間の尊厳中心のデジタル社会契約を論じる。 我々は、各次元をコモンズ統治のAIインフラストラクチャの層にマッピングする6層アーキテクチャを構築した。 我々は、コモンズが支配するAIが、前提とする規制よりも、契約が宣言する価値を忠実に実現していると結論づける。
  論文  参考訳（メタデータ） (2026-06-04T12:21:07Z)
• Foundation Protocol: A Coordination Layer for Agentic Society [78.01727114524464]
  Foundation Protocol (FP) は、新興の人間-AI社会のためのグラフファーストの調整レイヤである。 FPはエージェント、ツール、リソース、人間、機関、組織を含む異種組織を統一する。 目的は、説明責任を維持しつつ、自律的な機関を構成可能に保つことである。
  論文  参考訳（メタデータ） (2026-05-22T04:20:35Z)
• Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
  大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。 この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。 このボトルネックは、帰属の曖昧さに起因している。 本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T04:19:52Z)
• Pluralism in AI Governance: Toward Sociotechnical Alignment and Normative Coherence [0.16921396880325779]
  この研究は、フルスタックアライメント、価値の厚みモデル、バリューセンシティブデザイン、パブリックコンスティチューションAIなどのフレームワークを合成する。 価値、メカニズム、戦略をリンクする階層化されたフレームワークを導入し、公正性対効率、透明性対セキュリティ、プライバシ対株式といった緊張関係をマッピングする。 この研究は、AIガバナンスの全体的、価値に敏感なモデルに貢献し、社会技術システムに公開価値を埋め込むための積極的なメカニズムとして規制を緩和する。
  論文  参考訳（メタデータ） (2026-02-04T14:28:56Z)
• Revising Bloom's Taxonomy for Dual-Mode Cognition in Human-AI Systems: The Augmented Cognition Framework [0.0]
  認知行動は、個々に、生物学的リソースのみを使用して、または人間-AIシステムに分散する2つの異なるモードでますます発生します。 ブルームの分類学の既存の改訂では、AIは、この二重モード構造のドライバとしてではなく、人間の認知に対してマップされる外部能力として扱われている。 本稿では,3つの原則に基づいて構築された分類体系であるAugmented Cognition Framework (ACF)を提案する。
  論文  参考訳（メタデータ） (2026-01-31T12:45:43Z)
• Will Power Return to the Clouds? From Divine Authority to GenAI Authority [0.2864713389096699]
  ジェネレーティブAIシステムは、ニュースフィード、検索ランキング、クリエイティブコンテンツを数億人のユーザー向けに仲介する。 本稿では,現代におけるBig-Techコンテンツモデレーションを取り入れた,事務知識制御のタッチストーンであるGalileo Affairについて概説する。
  論文  参考訳（メタデータ） (2025-11-27T18:59:44Z)
• Sovereign AI: Rethinking Autonomy in the Age of Global Interdependence [2.153445979060976]
  人工知能(AI)は基本的な汎用技術として登場し、相互接続された世界で新たな主権のジレンマを提起している。 本稿では,二項条件ではなく連続体として主権AIを理解するための概念的,形式的な枠組みを開発する。 我々は,4つの主権柱の辺縁リターンの等化と,世界的利益が暴露リスクと等しくなるような開放性の設定という,2つの政策柱を識別するプランナーのモデルを提案する。
  論文  参考訳（メタデータ） (2025-11-18T10:02:10Z)
• The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
  本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。 GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up? この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
  論文  参考訳（メタデータ） (2025-08-22T10:19:42Z)
• Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
  政府や企業は、AIを管理する手段として計算を活用し始めている。 計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。 プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
  論文  参考訳（メタデータ） (2024-02-13T21:10:21Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
  民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。 本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。 提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-07T08:34:48Z)

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。