論文の概要: When No One Owns the Judgment: Accountability Under Contribution Dissolution in Human-AI Collaboration

• arxiv url: http://arxiv.org/abs/2609.29312v1
• Date: Thu, 24 Sep 2026 09:46:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.823633
• Title: When No One Owns the Judgment: Accountability Under Contribution Dissolution in Human-AI Collaboration
• Title（参考訳）: 判決を所有しない場合--AI連携における貢献解消下における説明責任-
• Abstract要約: コミュニティはしばしば3つの質問に答える: AIは使われましたか? これらの質問は、AIを説明責任の中心に置き、深い問題を見下ろしている。 この議論は、AI支援のピアレビューと、創造的な作業におけるAI使用の隠蔽という2つの例を通して展開する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Communities often respond to potentially AI-assisted work by asking three questions: Was AI used? Was that use disclosed? Can hidden use be detected? These questions place AI use itself at the center of accountability while overlooking a deeper problem: unowned judgment. Evaluations, claims, decisions, and creative directions can be shaped by AI with no accountable human or institution prepared to stand behind them. We develop this argument through two illustrative cases: AI-assisted peer review and concealed AI use in creative work. The first shows how contribution dissolution can weaken responsibility while the second shows how the fear of losing credit can discourage honest disclosure. The cases expose the limits of disclosure rules and provenance records as responses to AI-mediated collaboration. We offer three directions for discussion: distinguishing the roles AI plays, identifying judgments that require clear human ownership, and creating conditions in which AI involvement can be disclosed without default penalty. The broader aim is to make AI-shaped contributions discussable, creditable, contestable, and repairable.
• Abstract（参考訳）: コミュニティはしばしば3つの質問に答える: AIは使われましたか? それは公表されましたか? 隠れた使用は検出できますか? これらの質問は、AIを説明責任の中心に置き、深い問題を見下ろしている。 評価、クレーム、決定、創造的な方向性は、説明責任のある人間や機関が背後に立つ準備ができていないAIによって形成することができる。 この議論は、AI支援のピアレビューと、創造的な作業におけるAI使用の隠蔽という2つの例を通して展開する。 第一に、貢献の解消が責任を弱めるかを示し、第二に、信用を失う恐れが正直な開示を妨げているかを示す。 これらのケースは、AIによるコラボレーションに対する応答として、開示規則と証明記録の限界を露呈する。 私たちは、AIの役割の区別、人間の所有権を明確に要求する判断の特定、AIの関与がデフォルトのペナルティなしで開示される条件の作成の3つの方向について議論しています。 より広範な目的は、AI型のコントリビューションを議論可能、信用可能、競争可能、そして修復可能にすることだ。

関連論文リスト

• Ownership in AI-Assisted Everyday Tasks [13.96648362300467]
  単にAIの提案を承認しても、リード、反復、あるいは書き直しの場合には、人々は仕事を嫌う。 本稿では,自らの生活に対する著者意識を支援するAI開発を促進するために,いくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2026-09-17T16:38:35Z)
• Beware of "Explanations" of AI [16.314859121110945]
  ますます複雑なAIシステムによってなされる決定と行動を理解することは、依然として重要な課題である。 これにより、説明可能な人工知能(XAI)の研究分野が拡大した。 何が"よい"説明を構成するのかという問題は、目標、ステークホルダ、コンテキストに依存します。
  論文  参考訳（メタデータ） (2025-04-09T11:31:08Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Don't Kill the Baby: The Case for AI in Arbitration [0.0]
  連邦航空局(FAA)は、従来の予約にもかかわらず、当事者がAIによる仲裁を契約的に選択することを許可していると論じている。 仲裁におけるAIの使用を提唱することで、契約上の自律性を尊重することの重要性を強調している。 最終的には、仲裁におけるAIに対するバランスの取れたオープンなアプローチを求め、紛争解決の効率性、公平性、柔軟性を高める可能性を認識している。
  論文  参考訳（メタデータ） (2024-08-21T13:34:20Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Some Critical and Ethical Perspectives on the Empirical Turn of AI Interpretability [0.0]
  我々は、現在人工知能開発で直面している2つの問題、すなわち、倫理の欠如とAI決定の解釈可能性の欠如について考察する。 実験により,説明書作成の実証的かつリベラルな転換は,否定力の低いAI説明を選択する傾向にあることを示した。 我々は、倫理的AIの今後の発展のためのシナリオとして、より外部規制やAI説明の自由化の2つを提案する。
  論文  参考訳（メタデータ） (2021-09-20T14:41:50Z)
• The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
  私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。 その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
  論文  参考訳（メタデータ） (2021-07-28T17:32:04Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)

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。