論文の概要: When AI Does the Work, What Is Learning For? Post-Instrumental Learning and the Risk of Capacity Dissolution
- arxiv url: http://arxiv.org/abs/2607.28041v1
- Date: Thu, 30 Jul 2026 11:24:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.526105
- Title: When AI Does the Work, What Is Learning For? Post-Instrumental Learning and the Risk of Capacity Dissolution
- Title（参考訳）: AIが仕事をする時,何のために学習するか? ポストインストゥルメンタルラーニングとキャパシティ溶解のリスク
- Abstract要約: 既存のAI倫理は、現在の失敗を正しく強調する。
しかし、もし学習のケースがこれらの失敗にのみ当てはまるなら、それぞれの技術的改善はそれを弱めるように思える。
目的、正当性、責任に関する権限を欠いたまま、特定タスクを完璧に実行するAIの理想化を利用することで、私たちは、ポスト・ストラクショナル・ラーニングを議論する。
- 参考スコア（独自算出の注目度）: 3.2940515388832963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As AI systems become capable of producing the essays, code, reports, summaries, plans, and decisions through which institutions usually recognize competence, a familiar question becomes harder to answer: what is learning for? Existing AI ethics rightly emphasizes present failures--bias, opacity, hallucination, labor extraction, privacy risk, and weak accountability. But if the case for learning rests only on those failures, then each technical improvement appears to weaken it. This article develops a different answer. Using the idealization of AI that executes specified tasks flawlessly while lacking authority over purposes, legitimacy, and responsibility, we argue for post-instrumental learning: learning that preserves the capacities people and institutions need when many useful outputs can be delegated. We analyze five such capacities--end-setting, reason-giving, contestability, refusal/revision, and participation--and name their erosion capacity dissolution. The central case is assessment under generative AI. When a polished artifact no longer reliably evidences understanding, institutions must assess the learner's accountable relation to AI-mediated work rather than the artifact alone. The takeaway is practical: AI governance should evaluate not only whether systems perform well, but also whether their deployment leaves people able to understand, challenge, revise, and share responsibility for the practices those systems mediate.
- Abstract（参考訳）: AIシステムがエッセイ、コード、レポート、要約、計画、決定などのエッセイを作成できるようになり、機関は通常能力を認めているため、おなじみの質問に答えるのが難しくなります。
既存のAI倫理は、バイアス、不透明性、幻覚、労働の抽出、プライバシーリスク、説明責任など、現在の失敗を正しく強調する。
しかし、もし学習のケースがこれらの失敗にのみ当てはまるなら、それぞれの技術的改善はそれを弱めるように思える。
この記事は別の回答を生み出します。
目的、正当性、責任に関する権限を欠いたまま、指定されたタスクを完璧に実行するAIの理想化を利用することで、私たちは、ポスト・ストラクショナル・ラーニング(ポスト・ストラクショナル・ラーニング)を論じる。
我々は, エンドセット, 理性評価, 競争性, 拒絶/再検討, 参加の5つの能力を分析し, 浸食能力の解消を名づける。
中心となるケースは、生成AIによる評価である。
洗練されたアーティファクトが理解を確実に証明できない場合、機関は、アーティファクトのみではなく、AIによる作業に対する学習者の説明責任な関係を評価する必要がある。
AIガバナンスは、システムがうまく機能するかどうかを評価するだけでなく、そのデプロイメントが、それらのシステムが仲介するプラクティスに対して、人々が理解し、挑戦し、修正し、責任を共有しているかどうかを評価するべきです。
関連論文リスト
- Evaluation in the Age of AI: Output as Evidence of Learning [0.0]
人工知能(AI)の急速な普及は、高等教育における学習の実証と評価の方法を破壊している。
本稿では,AI時代における教育評価の倫理的課題を大学レベルで検討する。
論文 参考訳（メタデータ） (2026-08-23T23:40:30Z) - What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education [3.2940515388832963]
本稿では,学習クレーム,デリゲート境界,エビデンス標準,安全を関連づけたAIによる評価のためのフレームワークを開発する。
そして、30の大学から、検証済みの公開生成AIアセスメントガイダンスを監査した。
論文 参考訳（メタデータ） (2026-07-22T10:21:16Z) - Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。
理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。
人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
論文 参考訳（メタデータ） (2026-06-04T10:25:31Z) - Trustworthy AI Suffers from Invariance Conflicts and Causality is The Solution [80.98492754957466]
公正性、堅牢性、プライバシ、説明可能性といった、信頼性の高いAI目標を同時に達成することは難しい。
本稿では、パフォーマンスにおけるトレードオフを理解しバランスをとるためには因果性が必要であると論じ、信頼できるAIの複数の目的について論じる。
論文 参考訳（メタデータ） (2026-05-04T14:26:28Z) - AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains [0.0]
ジェネレーティブAIは、現在のガバナンスフレームワークよりも早く研究、教育、プロフェッショナルな仕事に入り、AIによるアウトプットをどのように判断すべきかを特定できる。
本稿では,AI支援作業のためのデリバリ指向ガバナンスフレームワークであるLearning 2.0を提案する。
論文 参考訳（メタデータ） (2026-03-16T11:44:43Z) - Do AI tutors empower or enslave learners? Toward a critical use of AI in education [7.673465837624366]
論文は、AIは学習を支援することができるが、その未確認使用は認知萎縮につながるかもしれないと論じている。
この論文は、学習者を弱めるのではなく、力を与えるAIの意図的で透明で批判的な利用を提唱している。
論文 参考訳（メタデータ） (2025-07-09T14:15:49Z) - 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) - Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。
人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。
これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文 参考訳（メタデータ） (2024-10-10T17:38:38Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Learning to Prompt in the Classroom to Understand AI Limits: A pilot
study [35.06607166918901]
大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。
しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。
パイロット教育は21人の生徒を抱えた高校で実施された。
論文 参考訳（メタデータ） (2023-07-04T07:51:37Z) - 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) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z)
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。