論文の概要: AI for Computational Design Science: A Responsible Human-AI Framework and Case Study on Short-Form Video Safety Surveillance
- arxiv url: http://arxiv.org/abs/2609.05270v1
- Date: Fri, 04 Sep 2026 15:26:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:24.103624
- Title: AI for Computational Design Science: A Responsible Human-AI Framework and Case Study on Short-Form Video Safety Surveillance
- Title（参考訳）: AI for Computational Design Science: Responsible Human-AI Framework and Case Study on Short-Form Video Safety Surveillance
- Abstract要約: 我々はAI4CDS(Computational Design Science)のためのAIを開発する。
ChildRiskGuardは、子供に不適切な短いビデオを検出するための解釈可能なアーティファクトだ。
ChildRiskGuardはF1スコアの0.769を達成し、汎用コンテンツセーフティモデルの直接的な適用率を大幅に上回っている。
- 参考スコア（独自算出の注目度）: 4.110053032708927
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Artificial intelligence (AI) is transforming not only what information systems researchers design, but also how design research is conducted. Yet existing literature offers limited guidance for computational design science (CDS) when AI actively participates in problem formulation, resource construction, design search, evaluation, and knowledge abstraction. We develop AI for Computational Design Science (AI4CDS), a five-phase methodological framework in which AI expands problem and design search while researchers retain responsibility for domain grounding, admissibility, verification, and scientific judgment. Collaboration is governed by graduated trust, reversibility, auditability, and differentiated reproducibility. We instantiate AI4CDS through ChildRiskGuard, an interpretable artifact for detecting short-form videos inappropriate for children, while documenting AI interactions, rejected alternatives, corrections, and audit trails. The case translates audience-dependent safety and explanation faithfulness into three technical challenges and develops an artifact that separates generic from child-specific risk, represents distinct developmental-risk mechanisms, and makes concept-level explanations part of the predictive computation. ChildRiskGuard achieves an F1 score of 0.769, substantially outperforming direct application of a general-purpose content-safety model while remaining competitive with strong benchmarks. The primary contribution is AI4CDS as a responsible framework for AI-enabled CDS; ChildRiskGuard provides process and artifact evidence of how AI-expanded, researcher-governed design can generate and evaluate novel computational design knowledge.
- Abstract（参考訳）: 人工知能(AI)は、研究者が設計する情報システムだけでなく、設計研究の実施方法も変革している。
しかし、既存の文献は、AIが問題定式化、資源構築、デザインサーチ、評価、知識抽象化に積極的に参加する場合に、計算設計科学(CDS)の限られたガイダンスを提供する。
我々はAI for Computational Design Science (AI4CDS) を開発した。AIは問題の拡大と設計の探索を行うための5段階の方法論フレームワークであり、研究者はドメイン基盤、許容性、検証、科学的判断の責任を負う。
コラボレーションは、段階的な信頼、可逆性、監査性、再現性の違いによって管理される。
私たちはChildRiskGuardを通じてAI4CDSをインスタンス化し、子供に不適切なショートフォームビデオを検出するための解釈可能なアーティファクトとして、AIインタラクションの文書化、代替案の拒絶、修正、監査証跡を公開しています。
このケースは、観客に依存した安全性と説明の忠実さを3つの技術的課題に翻訳し、子供固有のリスクからジェネリックを分離するアーティファクトを開発し、異なる発達リスクメカニズムを示し、概念レベルの説明を予測計算の一部にします。
ChildRiskGuardはF1スコアの0.769を達成し、強力なベンチマークと競合しながら、汎用のコンテンツ安全性モデルの直接的な適用率を大幅に上回っている。
主な貢献は、AI対応CDSの責任あるフレームワークとしてのAI4CDSである。ChildRiskGuardは、AIが拡張した研究者が支配する設計が、新しい計算設計知識をいかに生成し、評価するかのプロセスとアーティファクトの証拠を提供する。
関連論文リスト
- Vibe Compiler: A Research-Logic Synthesis Tool That Runs without Prompt Engineering -Toward Enhancing Metacognition for Sustaining Agency in the Age of Generative AI- [0.0]
本稿では,あいまいなアイデアをコヒーレントな研究論理に変換する研究論理コンパイラであるVibe Compilerを紹介する。
この枠組みは認知機能(合成対分析)と実行エージェント(人間対AI)の2つの側面に沿った構造的ギャップを特徴づける。
論文 参考訳（メタデータ） (2026-08-06T02:51:03Z) - FLARE-AI: Flaw Reporting for AI [51.64618567247884]
デプロイされたAIシステムの欠陥報告は、システムの障害を特定し、AIの安全性を改善するために不可欠である。
しかし、AIレポートのエコシステムは断片化されている。欠陥を特定する研究者は、報告すべきことを知らないことが多く、レポートを受け取るグループは、他の関連するステークホルダーと共有することはめったにない。
私たちは、AI開発者、サイバーセキュリティグループ、AI欠陥アグリゲータによって公表された12のレポートシステムを監査します。
我々は、既存のシステムとの相互運用性のために設計された、オープンソースのAI欠陥報告システムであるFLARE-AIを紹介する。
論文 参考訳（メタデータ） (2026-06-30T12:27:09Z) - PAIRED: A Process-Anchored Framework for Transparent Reporting of AI Contributions in Scientific Research [0.7614628596146601]
AIコントリビューションを報告するための既存のフレームワークは、一様にアウトプット指向である。
現在のフレームワークでは、研究の方向性を創始した研究者と、AIの提案した方向性を採用した研究者とを区別することはできない。
論文 参考訳（メタデータ） (2026-05-23T01:10:56Z) - Governing AI-Assisted Security Operations: A Design Science Framework for Operational Decision Support [0.0]
この研究では、エンジニアリング管理問題の技術的インスタンス化として、Kusto Query Language(KQL)とMicrosoft Azureのセキュリティ機能を使用します。
この研究は、AI計画と運用実行を分離する、管理されたAIクエリブローカーアーティファクトを開発する。
論文 参考訳（メタデータ） (2026-05-10T13:35:17Z) - Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - 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) - Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
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。