論文の概要: Mapping U.S. Federal AI Governance Against Sector Vulnerability

• arxiv url: http://arxiv.org/abs/2609.16260v1
• Date: Mon, 14 Sep 2026 19:23:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.210745
• Title: Mapping U.S. Federal AI Governance Against Sector Vulnerability
• Title（参考訳）: 米国連邦政府のAIガバナンスをセクタ脆弱性にマッピングする
• Abstract要約: 我々は、14のセクターと24のAIリスクをカバーするために、684の連邦AIガバナンス文書を評価する。 我々は、24のリスクのセクターカバレッジパターンと、Delphiの272人の専門家による脆弱性評価を比較した。
• 参考スコア（独自算出の注目度）: 33.757821744179346
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) poses different levels of risk across sectors, but are these differences reflected in U.S. federal AI governance? To help answer this question, we assess 684 federal AI governance documents for their coverage of 14 sectors and 24 AI risks. We measure coverage as breadth (i.e., how frequently the risk or sector is addressed across documents) and depth (i.e., how substantively the risk or sector is discussed). We then compare sector coverage patterns for each of the 24 risks with vulnerability assessments from a Delphi study of 272 experts. Our analysis finds substantial variation in coverage: AI risks related to robustness, system security, and governance receive more attention than socioeconomic, environmental, and emerging risks, including multi-agent risks. Public administration, national security, information, and scientific services receive comparatively high levels of coverage relative to other sectors, such as finance and healthcare, which experts rate as highly vulnerable to AI risks. By mapping current coverage and identifying where it differs from expert assessments of vulnerability, we surface potential AI governance gaps which may help inform AI risk-related decisions across government and industry.
• Abstract（参考訳）: 人工知能(AI)はセクターごとに異なるレベルのリスクをもたらすが、これらの違いは米国連邦政府のAIガバナンスに反映されているのだろうか? この質問に答えるために、14のセクターと24のAIリスクをカバーするために、684の連邦AIガバナンス文書を評価します。 我々は、範囲を幅(文書にまたがるリスクやセクターの頻度)と深さ(即時的リスクやセクターがどの程度議論されるか)として測定する。 次に、24のリスクのセクターカバレッジパターンと、Delphiの272人の専門家による脆弱性評価を比較します。 堅牢性、システムセキュリティ、ガバナンスに関連するAIリスクは、社会経済、環境、そしてマルチエージェントリスクを含む新興リスクよりも注目を集めます。 公共行政、国家安全保障、情報、科学サービスは、金融や医療といった他の分野と比較して比較的高いレベルのカバレッジを受けており、専門家はAIリスクに対して非常に脆弱であると評価している。 現状のカバレッジをマッピングし、脆弱性に関する専門家の評価とどこが違うのかを特定することで、政府や業界全体でAIのリスク関連決定を伝える上で役立つ、潜在的なAIガバナンスのギャップが浮かび上がっています。

関連論文リスト

• Prioritization of Risks from Artificial Intelligence: A Delphi Study of 272 International Experts [115.34779081791287]
  2025年末に272人の国際AI専門家を対象に行われた3ラウンドのDelphi研究の結果を報告する。 専門家は、リスクと重大さ、セクターとアクターの脆弱性、アクターの責任、全体的な懸念について、24のAIリスクを評価した。
  論文  参考訳（メタデータ） (2026-06-03T06:14:41Z)
• 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)
• Informing AI Risk Assessment with News Media: Analyzing National and Political Variation in the Coverage of AI Risks [3.2566808526538873]
  本研究は,6カ国にまたがるニュースメディアの全国横断サンプルの比較分析を行った。 調査の結果、AIリスクは各国で異なる優先順位付けがなされており、AIリスクの優先順位付けにおいて、左と右の傾いた米国ベースのアウトレットがどのように異なるかが明らかにされた。 これらの発見は、リスクベースのガバナンスアプローチの補助源としてニュースメディアを考える際に考慮すべきニュアンスについて、リスク評価者や政策立案者に対して通知することができる。
  論文  参考訳（メタデータ） (2025-07-31T16:52:21Z)
• Fully Autonomous AI Agents Should Not be Developed [50.61667544399082]
  本稿では,完全自律型AIエージェントを開発すべきではないと主張している。 この立場を支持するために、我々は、従来の科学文献と現在の製品マーケティングから、異なるAIエージェントレベルを規定するために構築する。 分析の結果,システムの自律性によって人へのリスクが増大することが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-04T19:00:06Z)
• Perception Gaps in Risk, Benefit, and Value Between Experts and Public Challenge Socially Accepted AI [0.0]
  本研究は,一般のAI専門家がAIの能力と影響をどう認識するかを検討する。 シナリオは、持続可能性、医療、仕事のパフォーマンス、社会的不平等、芸術、戦争といった領域にまたがる。 専門家は、常に高い確率を予測し、リスクを知覚し、より多くの利益を報告し、非専門家よりもAIに対する肯定的な感情を表現する。
  論文  参考訳（メタデータ） (2024-12-02T12:51:45Z)
• AIR-Bench 2024: A Safety Benchmark Based on Risk Categories from Regulations and Policies [80.90138009539004]
  AIR-Bench 2024は、新しい政府の規制や企業のポリシーに適合する最初のAI安全ベンチマークである。 8つの政府規制と16の企業政策を4階層の安全分類に分解し、最も低い階層に粒度の細かいリスクカテゴリを分類する。 AIR-Bench 2024上での言語モデルの評価を行い,その安全性に関する知見を明らかにした。
  論文  参考訳（メタデータ） (2024-07-11T21:16:48Z)
• AI Risk Categorization Decoded (AIR 2024): From Government Regulations to Corporate Policies [88.32153122712478]
  我々は4階層の分類に分類された314のユニークなリスクカテゴリを特定した。 最高レベルでは、この分類はシステム・アンド・オペレーショナル・リスク、コンテンツ・セーフティ・リスク、社会的なリスク、法と権利のリスクを含む。 我々は、セクター間の情報共有と、生成型AIモデルとシステムのリスク軽減におけるベストプラクティスの推進を通じて、AIの安全性を向上することを目指している。
  論文  参考訳（メタデータ） (2024-06-25T18:13:05Z)
• Implications for Governance in Public Perceptions of Societal-scale AI Risks [0.29022435221103454]
  投票者は、AIのリスクは専門家よりも可能性が高く影響も大きいと認識し、AI開発を遅くすることを主張する。 政策介入は、社会規模リスクの全てのクラスにまたがる緩和努力をより慎重にバランスを取ろうとすれば、集団の懸念を和らげるのがよい。
  論文  参考訳（メタデータ） (2024-06-10T11:52:25Z)

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。