論文の概要: Generative AI & Two Forms of Decoupling

• arxiv url: http://arxiv.org/abs/2609.32637v1
• Date: Sat, 26 Sep 2026 13:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:49:13.108569
• Title: Generative AI & Two Forms of Decoupling
• Title（参考訳）: ジェネレーティブAIとデカップリングの2つの形態
• Abstract要約: 記事は、AIモデルにより、関連する人間の活動を受けずにテキストを作成できると主張している。 テキストを使って連続的な決定を下す機関は、それに応じてプラクティスを再構築するかもしれない、と論じている。
• 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: Textual artifacts are sometimes valued not only for the words on the page, but for the human activity involved in producing them. The effort invested in a carefully tailored email can signal genuine interest; composing an apology might involve attending to another person's hurt and deciding how to respond; and requiring a judge to give written reasons may induce more careful deliberation. AI models create what we call a decoupling problem: they make it possible to produce text without undergoing the relevant human activity, severing its connection to values traditionally sustained by that activity. This Article develops a framework for understanding what decoupling puts at stake, and how institutions that use text to make consequential decisions may reshape their practices in response. First, it offers a taxonomy of the grounds for valuing the production process, distinguishing whether that process matters for what it evidences, induces, or helps constitute. Second, it argues that text can function as a kind of boundary object, allowing institutions to rely on the same artifact without resolving disagreements about why the practice is valuable. AI can separate functions previously served by the same practice - a second-order decoupling that brings unresolved questions about the practice's purposes into view. Third, it argues that institutional efforts to repair decoupling may recover some functions without preserving others. Such responses are likely to favor functions that are more legible, whose loss demands immediate attention, or whose stakeholders have greater influence. It therefore calls for more explicit deliberation about which particular functions of a practice to preserve, with meaningful representation for those whose interests might otherwise be overlooked.
• Abstract（参考訳）: テクスチュアルアーティファクトは、ページ上の単語だけでなく、それらの生成に関わる人間の活動に対しても評価されることがある。 慎重に調整されたメールに投資した努力は、真の関心を喚起する可能性がある;謝罪を書くことは、他人の怪我に付き添い、反応の仕方を決めること、そして裁判官に書面による理由付けを要求することは、より慎重な熟考を引き起こす可能性がある。 AIモデルは、私たちがデカップリング問題と呼ぶものを作成します – 関連する人間のアクティビティを実施せずに、テキストを生成できるようにし、そのアクティビティによって伝統的に維持される価値への接続を断ち切るのです。 本条では, 疎結合がどのような役割を担っているか, および, テキストを用いて連続的な意思決定を行う機関が, どのようにして実践を形作るかを理解するための枠組みを策定する。 まず、生産プロセスを評価するための根拠の分類を提供し、そのプロセスが証明、誘導、構成に重要であるかどうかを区別する。 第二に、テキストは一種の境界オブジェクトとして機能し、このプラクティスがなぜ価値のあるのかという意見の相違を解消することなく、機関が同じアーティファクトに依存することができる、と論じている。 AIは以前と同じプラクティスで提供されていた関数を分離することができる。 第三に、デカップリングを修復する制度的な努力は、他のものを保存することなく、一部の機能を回復させる可能性があると主張している。 このような反応は、より妥当な機能、損失が直ちに注意を必要とする機能、あるいは利害関係者がより影響力を持つ機能を好む可能性が高い。 したがって、それは、どの慣習の特定の機能を保存するかについてより明確な議論を要求し、それ以外は見過ごされるかもしれない人々にとって意味のある表現である。

関連論文リスト

• Governing Mental-State Inference: Source-Neutral Regulatory Triggers and Tiered Obligations [0.0]
  神経工学の倫理に関するユネスコ勧告は非結合的ガイダンスである。 本稿では、技術的に媒介された人間関係の精神状態属性に対するソースニュートラルトリガーを開発する。
  論文  参考訳（メタデータ） (2026-08-02T02:28:40Z)
• 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)
• PRIDE: Privileged Information-enhanced Distillation for Empathetic Dialogue Generation [8.432742005693283]
  感性対話生成(PRIDE)のための知識テキスト情報強調型知識テキストbfdistillation法を提案する。 本手法は,専門家の心理学的アノテーションや,トレーニング時にのみ利用できるが,推論時に利用できないイベント要約などの特権情報を活用する。 PRIDEには3つの重要な要素がある:(1) 教師が共感過程を明示的に分解し、感情を理解し、状況を分析するよう指導する共感推論プロンプト、(2) 学生に特権情報を効果的に統合するよう指示するマルチソースアテンションメカニズム
  論文  参考訳（メタデータ） (2026-06-22T10:09:52Z)
• Learning to Focus: Causal Attention Distillation via Gradient-Guided Token Pruning [62.23671919314693]
  大規模言語モデル (LLM) は文脈理解において著しく改善されている。 しかし、長いコンテキストの推論と生成の間に真に重要な情報に出席する能力は、まだペースの遅れています。 本稿では,2段階のフレームワークであるLearning to Focus(LeaF)を導入し,コンバウンディング要因を緩和する。
  論文  参考訳（メタデータ） (2025-06-09T15:16:39Z)
• Disentangling Memory and Reasoning Ability in Large Language Models [97.26827060106581]
  本稿では、複雑な推論プロセスを2つの異なる明確なアクションに分解する新しい推論パラダイムを提案する。 実験の結果, この分解によりモデル性能が向上し, 推論プロセスの解釈可能性も向上することがわかった。
  論文  参考訳（メタデータ） (2024-11-20T17:55:38Z)
• ReAct: Synergizing Reasoning and Acting in Language Models [44.746116256516046]
  大規模言語モデル (LLM) は, 推論トレースとタスク固有動作の両方を, インターリーブ方式で生成可能であることを示す。 我々はReActという名前のアプローチを多種多様な言語と意思決定タスクに適用する。 ReActは、単純なウィキペディアAPIと対話することで、チェーン・オブ・ソート推論でよく見られる幻覚やエラーの伝播の問題を克服する。
  論文  参考訳（メタデータ） (2022-10-06T01:00:32Z)
• Textual Explanations and Critiques in Recommendation Systems [8.406549970145846]
  論文は、このニーズに対処する2つの根本的な課題に焦点を当てています。 1つ目は、スケーラブルでデータ駆動的な説明生成である。 第2の課題は、説明を実行可能なものにすることだ。
  論文  参考訳（メタデータ） (2022-05-15T11:59:23Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Rethinking Explainability as a Dialogue: A Practitioner's Perspective [57.87089539718344]
  医師、医療専門家、政策立案者に対して、説明を求めるニーズと欲求について尋ねる。 本研究は, 自然言語対話の形での対話的説明を, 意思決定者が強く好むことを示唆する。 これらのニーズを考慮して、インタラクティブな説明を設計する際に、研究者が従うべき5つの原則を概説する。
  論文  参考訳（メタデータ） (2022-02-03T22:17:21Z)

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。