論文の概要: Structural Alignment for Reliable Industrial AI: Bridging Physical Reality, Data, Models, and Human Intent
- arxiv url: http://arxiv.org/abs/2609.35400v1
- Date: Mon, 28 Sep 2026 15:23:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 05:54:57.292731
- Title: Structural Alignment for Reliable Industrial AI: Bridging Physical Reality, Data, Models, and Human Intent
- Title（参考訳）: 信頼性の高い産業用AIのための構造アライメント:物理的現実性、データ、モデル、および人間のインテントをブリッジする
- Abstract要約: 本研究では,産業用AIの信頼性を,相互作用する4つの世界における構造的整合性の問題とみなす枠組みを提案する。
これらの世界は、デジタル化、物理現実と計算表現のリンク、目標符号化、人間の認知を機械の目的に翻訳する2つのインターフェースを通して接続される。
解空間は, 存在, 非普遍性, 堅牢性, 解釈可能性という4つの属性によって特徴づけられる。
- 参考スコア（独自算出の注目度）: 5.206267801126638
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence is increasingly deployed in critical industrial domains, including healthcare, energy grids, subsurface exploration, where failures can have severe consequences for human safety, system stability, and economic outcomes. Yet AI is still evaluated primarily through benchmark accuracy, a model-centric metric that fails to capture the structural complexity and risks of real-world deployment. We propose a framework that views industrial AI reliability as a problem of structural alignment across four interacting worlds: physical, representational, machine, and human cognitive. These worlds are connected through two interfaces: digitalization, linking physical reality to computational representations, and goal encoding, translating human cognition to the machine objectives. Together, they define the space of admissible solutions. We characterize the solution space through four attributes: existence, non-uniqueness, robustness, and interpretability and show how mismatches arise at interfaces and propagate across worlds to produce reliability failures. Applications to healthcare, energy grids, and subsurface exploration illustrate that although dominant failure modes differ across domains, for example, interpretability in healthcare, robustness in energy grids, and non-uniqueness in subsurface exploration, all originate from a shared structural mechanism. By shifting the focus from model-centric evaluation to system-level alignment, this framework offers a principled foundation for assessing and governing reliability in industrial AI systems.
- Abstract（参考訳）: 人工知能は、医療、エネルギーグリッド、地下探査など重要な産業領域にますます導入されており、人間の安全、システムの安定性、経済的な結果に深刻な影響をもたらす可能性がある。
しかし、AIは主に、実際のデプロイメントの構造的複雑さとリスクを捉えるのに失敗するモデル中心のメトリクスであるベンチマークの正確性によって評価されている。
本稿では,産業用AIの信頼性を,物理的,表現的,機械的,人間の認知という,相互作用する4つの世界における構造的整合性の問題とみなす枠組みを提案する。
これらの世界は、デジタル化、物理現実と計算表現のリンク、目標符号化、人間の認知を機械の目的に翻訳する2つのインターフェースを通して接続される。
共に、許容可能な解の空間を定義する。
解空間は, 存在, 非特異性, 堅牢性, 解釈可能性という4つの属性によって特徴づけられる。
医療、エネルギーグリッド、地下探査への応用は、医療における解釈可能性、エネルギーグリッドにおける堅牢性、地下探査における非特異性など、ドメインによって支配的な障害モードが異なるが、いずれも共有構造機構から派生していることを示している。
このフレームワークは、モデル中心の評価からシステムレベルのアライメントに焦点を移すことで、産業用AIシステムの信頼性を評価し、管理するための原則化された基盤を提供する。
関連論文リスト
- AI Deployment Accountability Engineering: A Vision for Accountable AI in Safety-Critical Socio-Technical Systems [14.280538199149634]
このビジョンペーパーはAI Deployment Accountability Engineering (ADAE)を紹介する。
ADAEは、デプロイされたAIシステムに対して測定可能で、連続的で、実行可能な説明責任を確立することを目的とした、AIエンジニアリングのサブカテゴリである。
我々は,コンテキスト依存型障害モードの構造化発見,プライバシ保護型説明責任測定,エージェントAIのシステムレベルのリスク分析,技術的障害の運用的,制度的リスクへの変換という,4つの相互接続された柱を中心に構築された研究課題を具体的に述べる。
論文 参考訳（メタデータ） (2026-09-13T15:18:41Z) - ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。
既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。
シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
論文 参考訳（メタデータ） (2026-03-30T15:06:41Z) - Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。
デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。
この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
論文 参考訳（メタデータ） (2026-03-28T13:21:44Z) - A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。
応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。
我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
論文 参考訳（メタデータ） (2026-03-11T07:40:53Z) - Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models [95.9909582708447]
物理的システムの正確なデジタル表現としてのデジタルツインは、受動的シミュレーションツールからインテリジェントで自律的なエンティティへと進化してきた。
本稿では,デジタルツインライフサイクルにおけるAI統合を特徴付ける4段階統合フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-04T01:17:09Z) - World Models Should Prioritize the Unification of Physical and Social Dynamics [57.91940497010114]
本稿では、物理的・社会的予測能力の体系的・双方向統合が、世界モデル開発における次の重要なフロンティアであると主張している。
包括的世界モデルは、客観的物理法則を主観的、進化的、文脈に依存した社会力学の性質と一体的に統合する必要があると我々は主張する。
論文 参考訳（メタデータ） (2025-10-24T07:42:37Z) - Epistemic Trade-Off: An Analysis of the Operational Breakdown and Ontological Limits of "Certainty-Scope" in AI [0.0]
最近発表された「確実性顕微鏡」予想は、人工知能(AI)システムにおける固有のトレードオフについて、説得力のある洞察を与えてくれる。
本論では,工学設計と規制決定に関する洞察を与えるための予想の目的は,2つの基本的な要因によって制限されていると論じる。
論文 参考訳（メタデータ） (2025-08-26T05:47:21Z) - Position: Olfaction Standardization is Essential for the Advancement of Embodied Artificial Intelligence [0.0]
AIアーキテクチャからの嗅覚の排除は、構造的課題とは無関係である、と我々は主張する。
私たちは、嗅覚ベンチマークを形式化し、マルチモーダルデータセットを開発し、マシンが人間の環境で理解し、ナビゲートし、行動するのに必要な感覚機能を定義するために、学際的なコラボレーションを求めている。
論文 参考訳（メタデータ） (2025-05-31T05:35:13Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z)
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。