論文の概要: From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good

• arxiv url: http://arxiv.org/abs/2609.11910v1
• Date: Thu, 10 Sep 2026 17:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.481067
• Title: From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good
• Title（参考訳）: プロトコルからエビデンスへ - 共通グッズサービスにおけるAIのバウンド・クレーム
• Abstract要約: 施設の基準線とシステム評価を結びつける破断試験を開発した。 私たちは、エビデンスに縛られたデプロイメントを、実際に評価されたことに対する主張と、測定に縛られたガバナンスとを区別します。 これらの制限の中で、RISE AIは、責任、動機付け、安全、エンパワーメントに関するバウンドなエビデンスベースのクレームを作るためのアーキテクチャを提供する。
• 参考スコア（独自算出の注目度）: 30.6027944662133
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial Intelligence does more than create a governance problem. It can also reveal where institutions have already failed to provide responsiveness, belonging, care, and accountability. Once deployed, AI becomes an intervention in those conditions. It can repair, compound, substitute for, or conceal the failures it encounters. Responsible AI must therefore evaluate both the system and the institutional rupture into which it is introduced. The move from principles to protocols is already underway. The EU AI Act, NIST AI RMF, ISO/IEC 42001, and assurance practices translate commitments into roles, requirements, records, oversight, and assessment. The harder questions are what these protocols actually establish, whose power they leave untouched, and where measurement must stop. Pope Leo XIV's Magnifica Humanitas provides a broader moral frame centered on dignity, technological power, and the common good. Drawing on that frame, we develop a rupture test that links institutional baselines to system evaluation. We distinguish evidence-bounded deployment, which limits claims to what has actually been evaluated, from measurement-bounded governance, which records constraints that favorable evidence cannot override. Within those limits, RISE AI provides an architecture for making bounded, evidence-based claims about Responsibility, Inclusivity, Safety, and Empowerment. Responsible AI requires better engineering, institutional repair, and continued moral and political judgment.
• Abstract（参考訳）: 人工知能はガバナンスの問題を生み出す以上のことができる。 また、機関がすでに応答性、所有性、ケア、説明責任を提供していないことを明らかにすることもできる。 一度デプロイすると、AIはこれらの条件への介入となる。 修復、複合、代替、あるいは、遭遇した障害を隠蔽することができる。 したがって、責任あるAIはシステムとそれを導入した制度的破壊の両方を評価する必要がある。 原則からプロトコルへの移行はすでに進行中です。 EU AI Act、NIST AI RMF、ISO/IEC 42001、および保証慣行は、コミットメントを役割、要件、記録、監視、評価に翻訳する。 難しい疑問は、これらのプロトコルが実際に何を確立するのか、どのパワーを無傷で残すのか、どこで測定を中止しなければならないのかである。 ローマ教皇レオ・XIVのマグニフィカ・ヒューマニタス(Magnifica Humanitas)は、尊厳、技術力、そして共通の善心を中心に幅広い道徳的枠組みを提供している。 そこで我々は,施設の基準線とシステム評価を結びつける破断試験を開発した。 我々は、実際に評価されたことを主張するエビデンスに縛られたデプロイメントと、好ましいエビデンスを覆すことができない制約を記録する計測バウンドガバナンスとを区別する。 これらの制限の中で、RISE AIは、責任、動機付け、安全、エンパワーメントに関するバウンドなエビデンスベースのクレームを作るためのアーキテクチャを提供する。 責任あるAIは、より良いエンジニアリング、制度的な修復、そして継続的な道徳的および政治的判断を必要とする。

関連論文リスト

• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• When AI Does the Work, What Is Learning For? Post-Instrumental Learning and the Risk of Capacity Dissolution [3.2940515388832963]
  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。
  論文  参考訳（メタデータ） (2026-07-30T11:24:56Z)
• Why Public Service AI Governance Frameworks Risk Failing in the Age of General-Purpose AI: Lessons from Policing [0.0]
  我々は、汎用AI(GPAI)モデルが、AIの安全性が歴史的に追求されてきた条件を損なうと主張している。 パブリックサービスガバナンスフレームワークが目指す安全性の概念 – 正確性、バイアス、説明可能性、説明責任 – は、狭く、目的を持ったAIによって抽出可能である。
  論文  参考訳（メタデータ） (2026-07-28T12:34:04Z)
• 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)
• The AI Resilience Gap: Bringing Artificial Intelligence Inside the Operational Resilience Perimeter [0.0]
  AIの採用は、信頼できるAIスタックとは異なる、かつ不十分にカバーされたレジリエンス義務を生み出します。 我々は、運用のレジリエンス周辺にAI依存関係をもたらすための、レシシックな方法であるAI Resilience Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-07-08T12:54:11Z)
• The AI Evaluability Gap: The Missing Layer for Managing Risk and Sustaining Value [1.6328866317851185]
  リスクと価値のどちらかに関して、高信頼のガバナンス決定を支持する十分な証拠がない、と私たちは主張します。 既存のガバナンスアプローチは、主に安全性、公正性、信頼性、コンプライアンス、価値といったシステムの特性に焦点を当てています。 高信頼のガバナンス決定を支援するのに十分な証拠を生成し、維持し、更新するシステムの能力として定義される評価可能性を導入する。
  論文  参考訳（メタデータ） (2026-06-19T00:58:01Z)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
  我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。 プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
  論文  参考訳（メタデータ） (2026-01-23T17:17:32Z)
• Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
  私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。 本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
  論文  参考訳（メタデータ） (2026-01-16T18:44:09Z)
• Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
  現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。 このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。 本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T22:24:21Z)
• Benchmarking is Broken -- Don't Let AI be its Own Judge [22.93026946593552]
  私たちは、AIを評価するための現在のlaissez-faireアプローチは持続不可能である、と論じます。 PeerBenchは、コミュニティが管理し、熟達した評価青写真である。 私たちのゴールは、完全性を回復し、真に信頼できるAI進歩の手段を提供するための評価の道を開くことです。
  論文  参考訳（メタデータ） (2025-10-08T21:41:37Z)
• Never Compromise to Vulnerabilities: A Comprehensive Survey on AI Governance [211.5823259429128]
  本研究は,本質的セキュリティ,デリバティブ・セキュリティ,社会倫理の3つの柱を中心に構築された,技術的・社会的次元を統合した包括的枠組みを提案する。 我々は,(1)防衛が進化する脅威に対して失敗する一般化ギャップ,(2)現実世界のリスクを無視する不適切な評価プロトコル,(3)矛盾する監視につながる断片的な規制,の3つの課題を特定する。 私たちのフレームワークは、研究者、エンジニア、政策立案者に対して、堅牢でセキュアなだけでなく、倫理的に整合性があり、公的な信頼に値するAIシステムを開発するための実用的なガイダンスを提供します。
  論文  参考訳（メタデータ） (2025-08-12T09:42:56Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• 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)

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。