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/2609.11910v2
• Date: Tue, 15 Sep 2026 15:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.072757
• 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: 人工知能システムが意思決定を改善するという主張は、彼らの評価が確立したものを超える可能性がある。 我々は、明示的な人間および非AIベースラインに対するデプロイメントを評価する破断テストを開発する。 評価対象の主張を制限するエビデンスバウンドのデプロイメントと,測定バウンドのガバナンスを区別する。
• 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: Claims that Artificial Intelligence systems improve decisions, broaden access, reduce harm, or empower users can exceed what their evaluation establishes. Predictive performance alone does not establish safety, the presence of oversight does not establish meaningful control, and faster task completion does not establish understanding or choice. Evaluation must account for unreliable outputs and uneven performance, but also for overreliance, weakened recourse, and displaced human expertise. The harder questions are what the evidence warrants, which relations of power remain unexamined, and where measurement must stop. Assessing improvement requires examining what institutions value and the conditions AI is asked to address. AI is both revelation and intervention. Its use can reveal unmet human needs and assumptions about what matters. Once deployed, it can repair, compound, substitute for, or conceal existing failures. We develop a rupture test that evaluates deployment against explicit human and non-AI baselines. Drawing on Pope Leo XIV's Magnifica Humanitas, we examine dignity and the common good alongside questions of who owns AI infrastructure and who controls its use. These commitments shape judgments about improvement; evidence alone cannot establish moral or political legitimacy. We distinguish evidence-bounded deployment, which limits claims to what has been evaluated, from measurement-bounded governance, which records constraints that favorable evidence cannot override. RISE AI provides an evidence architecture for making bounded claims about Responsibility, Inclusivity, Safety, and Empowerment. It records what is claimed, who answers for it, what evidence supports it, and what would require the claim to be qualified, revised, or withdrawn.
• Abstract（参考訳）: 人工知能システムは意思決定を改善し、アクセスを拡大し、害を軽減し、ユーザーが評価を確立するものを超えることができると主張する。 予測的パフォーマンスだけでは安全性を確立せず、監視の存在は意味のあるコントロールを確立せず、タスク完了の高速化は理解や選択を確立しない。 評価は信頼できないアウトプットと不均一なパフォーマンスを考慮しなければならないが、過度に信頼し、リコースを弱め、人間の専門知識を捨てる必要がある。 より難しい疑問は、証拠が何を保証するか、どの権力の関係が検討されていないか、どこで測定を中止しなければならないかである。 改善を評価するには、組織の価値とAIに対処するよう求められる条件を調べる必要がある。 AIは啓示と介入の両方です。 その使い方は、重要でない人間の要求や仮定を明らかにすることができる。 一度デプロイしたら、既存の障害を修復、複雑化、代替、あるいは隠蔽することができる。 我々は、明示的な人間および非AIベースラインに対するデプロイメントを評価する破断テストを開発する。 ローマ教皇レオ・XIVのMagnifica Humanitasを参考に、尊厳と共通の善について、誰がAIインフラを所有し、その使用を制御するのかという質問とともに検討する。 これらのコミットメントは改善に関する判断を形作るが、証拠だけでは道徳的あるいは政治的正当性を確立することはできない。 我々は、評価対象に限定するエビデンス境界デプロイメントと、好ましいエビデンスをオーバーライド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。 RISE AIは、責任、動機付け、安全、エンパワーメントに関する有界な主張を行うためのエビデンスアーキテクチャを提供する。 請求書は、請求事項、誰の回答、それを支持する証拠、請求書の資格、改定、又は取り下げを要求するものを記録している。

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。