論文の概要: Whistleblowing and the machine -- towards a considered position

• arxiv url: http://arxiv.org/abs/2606.21201v1
• Date: Fri, 19 Jun 2026 08:15:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 07:29:56.960005
• Title: Whistleblowing and the machine -- towards a considered position
• Title（参考訳）: ホイッスルブラウイングと機械 -- 考慮すべき立場に向けて
• Authors: Marija Slavkovik, Liuwen Yu, Leon van der Torre, Reka Markovich,
• Abstract要約: 機械の笛吹きは規範的で原則的であるべきだと我々は主張する。 政府の規制当局が、どのマシンに口笛を吹くことを許可すべきかについて、情報的なスタンスを定式化する必要があると我々は主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligent agents and autonomous systems are embedded in our environments. They are both a commercial product and a personal tool that generates a lot of data and can draw conclusions from it: machines generate and keep secrets. But should machines protect all secrets? It has been shown that artificial agents are able to whistleblow and it has been argued that digital multi-agent environments should allow for agents in them to whistleblow. We argue that machine whistleblowing must be normative and principled and routed in the existing understanding of whistleblowing as an important rule-breaking mechanism in society. We also argue that there is a need for government regulators to formulate an informed stance on both what machines should be allowed to whistleblow on and how to legally protect those who develop whistleblowing machines
• Abstract（参考訳）: 人工知能エージェントと自律システムは、私たちの環境に埋め込まれています。 それらは商用製品であり、個人ツールであり、大量のデータを生成し、そこから結論を引き出すことができる。 しかし、マシンはあらゆる秘密を守るべきだろうか? 人工エージェントは口笛を吹くことができることが示されており、デジタルマルチエージェント環境は、その中のエージェントが口笛を吹くことができるべきだと論じられている。 我々は,機械ホイッスルブロイングは規範的かつ原則的であり,社会において重要なルール破りのメカニズムとして,既存のホイッスルブロイングの理解に導かれなければならないと論じている。 我々はまた、どの機械に口笛を吹くことが許されるべきか、また、口笛を吹く機械を開発する人々をどのように法的に保護するかに関して、政府の規制当局が情報的なスタンスを定式化する必要があるとも主張する。

関連論文リスト

• A Criminology of Machines [0.0]
  犯罪学は、この移行が犯罪や社会的支配に与える影響に対処し始めなければならないと私は主張する。 本稿では,AIエージェント間の相互作用が,逸脱した,違法な,あるいは犯罪的な結果をもたらす可能性のあるチャネルを特徴付けるための二重分類法を提案する。 これらの疑問は、精神科医が理論上、経験的にマルチエージェントAIシステムの影響に関わりたいという緊急の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-11-04T16:07:13Z)
• Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
  ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。 本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T13:02:14Z)
• Can Media Act as a Soft Regulator of Safe AI Development? A Game Theoretical Analysis [57.68073583427415]
  我々は、メディアの報道がAIクリエイターを安全な製品の生産に駆り立てる可能性があるかどうかを調査する。 われわれの結果は、メディアがクリエイターとユーザーとの協力を育むことができることは明らかだが、必ずしもそうではない。 大衆の認識を形作り、デベロッパーの責任を負うことによって、メディアは強力なソフトレギュレーターとして出現する。
  論文  参考訳（メタデータ） (2025-09-02T12:13:34Z)
• Verification of Machine Unlearning is Fragile [48.71651033308842]
  両タイプの検証戦略を回避できる2つの新しい非学習プロセスを導入する。 この研究は、機械学習検証の脆弱性と限界を強調し、機械学習の安全性に関するさらなる研究の道を開く。
  論文  参考訳（メタデータ） (2024-08-01T21:37:10Z)
• Mathematical Algorithm Design for Deep Learning under Societal and Judicial Constraints: The Algorithmic Transparency Requirement [65.26723285209853]
  計算モデルにおける透過的な実装が実現可能かどうかを分析するための枠組みを導出する。 以上の結果から,Blum-Shub-Smale Machinesは,逆問題に対する信頼性の高い解法を確立できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-01-18T15:32:38Z)
• Do Artificial Intelligence Systems Understand? [0.0]
  提示された「知的な」振る舞いを説明するために、機械に対する理解を説明する必要はない。 タスク解決ツールとしてのインテリジェンスに対する単なる構文的・機械的アプローチは、表示可能な操作範囲を正当化するのに十分である。
  論文  参考訳（メタデータ） (2022-07-22T13:57:02Z)
• Think About the Stakeholders First! Towards an Algorithmic Transparency Playbook for Regulatory Compliance [14.043062659347427]
  世界中の政府によって、公共および民間セクターに導入された人工知能(AI)システムを規制するための法律が提案され、可決されている。 これらの規則の多くは、AIシステムの透明性と、関連する市民意識の問題に対処している。 我々は,透明で規制に適合したシステムを設計する上で,技術者を支援する新たな利害関係者優先のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-10T09:39:00Z)
• Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
  本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。 これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。 偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
  論文  参考訳（メタデータ） (2022-02-18T19:01:01Z)
• Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
  本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。 本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。 我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
  論文  参考訳（メタデータ） (2021-10-04T12:20:46Z)
• Snitches Get Stitches: On The Difficulty of Whistleblowing [4.861125297881693]
  我々は、内部告発者がより安全に機密文書をジャーナリストにリークできるようにする取り組みについて報告する。 内部告発者は、しばしば他人のモチベーションや能力に恵まれている。 我々は、内部告発者のリスクを軽減するためにテクノロジーが使用される可能性のある特定の領域を特定する。
  論文  参考訳（メタデータ） (2020-06-25T13:46:04Z)
• The Conflict Between People's Urge to Punish AI and Legal Systems [12.935691101666453]
  本研究は、電子的法的人格の既存責任モデルに対する人々の見解を得るための2つの研究である。 本研究は,これらの組織が精神状態を認識していないにもかかわらず,自動化されたエージェントを処罰したいという人々の欲求を明らかにするものである。 我々は、将来の設計と法的決定が、自動化されたエージェントの不正行為に対する大衆の反応にどのように影響するかを議論することで締めくくります。
  論文  参考訳（メタデータ） (2020-03-13T23:19:58Z)

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。