論文の概要: Convex AI Compositionality and the Governance of AI System Populations

• arxiv url: http://arxiv.org/abs/2609.24784v1
• Date: Mon, 21 Sep 2026 15:48:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.013002
• Title: Convex AI Compositionality and the Governance of AI System Populations
• Title（参考訳）: 凸型AI構成性とAIシステム人口のガバナンス
• Abstract要約: 有限なAIシステム集団によって生成される構成の形式表現である凸AI構成性を導入する。 分散ヘルスケアデプロイメントと、採用型AIのデプロイメント管理を通じて、AI人口管理フレームワークについて説明します。
• 参考スコア（独自算出の注目度）: 0.3384279376065155
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: AI governance increasingly requires providers and public authorities to reason about multiple AI instantiations, alternative versions, and deployment configurations of multiple AI systems. Yet current regulation remains predominantly single-system-centric, acknowledging such multiplicity only sparsely without treating collections of related AI systems as governance objects. This creates an AI population governance problem: determining which instantiations can be meaningfully considered together and how their changing configurations can be represented and monitored. The first requirement has recently been addressed through trustworthiness-based accounts of AI identity. We address the second by introducing convex AI compositionality: a formal representation of the configurations generated by finite AI system populations that uses convex spaces. The core idea is that convex compositions of the operational states that a population of AI system instantiations may occupy over time are compatible with lifecycle reachability across the population and can preserve the formal identity relations between these systems. Well-known statistical and geometric constructions, such as weighted state distributions and convex hulls, become AI governance tools for distinguishing operational states, population weights, heterogeneity, and AI configuration change across different governance modes while remaining compatible, under stated conditions, with lifecycle reachability and AI identity. We illustrate our AI population governance framework through distributed healthcare deployments and controlled deployment of recruitment AI variants.
• Abstract（参考訳）: AIガバナンスはますます、複数のAIインスタンス化、代替バージョン、複数のAIシステムのデプロイメント構成について、プロバイダや公的機関に説明を求めるようになっている。 しかし、現在の規制は、主に単一システム中心であり、そのような多重性を認めることは、関連するAIシステムのコレクションをガバナンスオブジェクトとして扱うことなく、わずかにしかない。 これにより、AI集団ガバナンスの問題が発生します。どのインスタンスを一緒に検討するか、構成の変更をどのように表現し、監視するかを判断します。 第1の要件は、信頼度に基づくAIアイデンティティのアカウントを通じて、最近解決された。 凸空間を用いた有限AIシステム集団によって生成される構成を形式的に表現する。 運用システムの凸構成は、時間とともにAIシステムのインスタンス化の集団が占有される可能性があり、人口全体のライフサイクルリーチビリティと互換性があり、これらのシステム間の正式なアイデンティティ関係を維持することができる、というものである。 重み付けされた状態分布や凸殻などのよく知られた統計的および幾何学的構造は、ライフサイクルリーチビリティとAIアイデンティティとともに、定義された条件の下で互換性を維持しながら、さまざまなガバナンスモードにわたる運用状態、人口重み、均一性、AI構成を区別するAIガバナンスツールになる。 分散ヘルスケアデプロイメントと、採用型AIのデプロイメント管理を通じて、AI人口管理フレームワークについて説明します。

関連論文リスト

• Solipsistic Superintelligence is Unlikely to be Cooperative [48.65947679109806]
  極めて有能なタスク解決ツールである超知能は協調的ではないと我々は主張する。 我々は、相互依存を中核的な設計原則として扱う非ソリプシックな研究パラダイムを提唱する。
  論文  参考訳（メタデータ） (2026-06-02T06:54:55Z)
• When Agents Evolve, Institutions Follow [52.359340707289114]
  大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。 彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。 我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
  論文  参考訳（メタデータ） (2026-04-30T10:30:58Z)
• The Biggest Risk of Embodied AI is Governance Lag [1.547978176948244]
  具体化されたAIは、ガバナンスシステムが観察、解釈、応答できるものよりも早く、製造、物流、ケア、インフラストラクチャにわたってスケールする可能性がある、と私たちは主張する。 したがって、中央の政策課題は自動化だけではありませんが、ガバナンスとコンプライアンスシステムが混乱する前に適応できるかどうかです。
  論文  参考訳（メタデータ） (2026-04-07T03:56:14Z)
• When Autonomy Goes Rogue: Preparing for Risks of Multi-Agent Collusion in Social Systems [78.04679174291329]
  悪意のあるマルチエージェントシステム(MAS)のリスクをシミュレートするための概念実証手法を提案する。 この枠組みを、誤情報拡散とeコマース詐欺という2つのリスクの高い分野に適用する。 その結果,分散システムの方が,集中型システムよりも悪意ある行動を実行するのに効果的であることが示唆された。
  論文  参考訳（メタデータ） (2025-07-19T15:17:30Z)
• Scalable, Symbiotic, AI and Non-AI Agent Based Parallel Discrete Event Simulations [0.0]
  本稿では,複数のAIエージェントと非AIエージェントを組み合わせた並列離散イベントシミュレーション(PDES)手法を提案する。 我々は、4つの異なるドメインから4つの問題を解き、その結果をAIモデルだけで比較することで、我々のアプローチを評価する。 その結果,バニラモデルの精度が23%未満であるため,アプローチ全体の精度は68%であった。
  論文  参考訳（メタデータ） (2025-05-28T17:50:01Z)
• Position: Emergent Machina Sapiens Urge Rethinking Multi-Agent Paradigms [8.177915265718703]
  AIエージェントは、目的を動的に調整する権限を持つべきだ、と私たちは主張する。 私たちは、これらのマルチエージェントAIシステムの創発的で、自己組織化され、コンテキストに配慮した性質へのシフトを呼びかけます。
  論文  参考訳（メタデータ） (2025-02-05T22:20:15Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。