論文の概要: Justice After Identity: Large Language Models and the View from Everywhere

• arxiv url: http://arxiv.org/abs/2610.09053v1
• Date: Tue, 06 Oct 2026 20:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.588755
• Title: Justice After Identity: Large Language Models and the View from Everywhere
• Title（参考訳）: アイデンティティ後の正義: 大規模言語モデルとあらゆる場所からの視点
• Abstract要約: AIは、おそらく肯定的な役割を担い、個人的および集団的な人間の判断と相互作用するかもしれない、と私たちは主張する。 古典的道徳的ジレンマについて,人間,基本モデル,フロンティア/ファインチューニングモデルによる判断を比較検討した。 私たちは、先進的なAIシステムが人間に思慮深いアドバイスを与えるなら、人間が実際にそれを受け入れる可能性が高いかどうかを推測することで結論付けます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The search for a common view of justice and fairness has challenged human collective activity, as our diverging judgments are unavoidably shaped by the self-interests of social position, personal benefit, cultural inheritance, and historical circumstance. John Rawls famously attempted to overcome this limitation through popularizing a philosophical tradition known by the phrase "the original position" - a thought experiment by which people select principles of justice without knowing the identities or advantages they will possess. Critics, however, have long questioned whether people can meaningfully suspend their social identities and suppress morally relevant forms of lived experience. Artificial intelligence engaged to calculate algorithmic and agentic fairness introduces a novel possibility. LLMs have no singular class, race, gender, nationality, or biography, yet their parameters encode linguistic representations of a vast range of human identities and moral traditions. Perhaps the ethical judgments of LLMs could approximate an integrative original position - a "view from everywhere" generated not by excluding social identities but by computationally incorporating their diversity.It is unlikely that humankind will "hand over the keys" to computational systems by simply delegating complete agentic control of distributive and procedural collective processes. But AI may play a role, perhaps a positive one, interacting with individual and collective human judgment as we often confront increasingly polarized views on what is fair and just. We present data comparing human, base model, and frontier/fine-tuned model judgments about classic moral dilemmas while systematically varying identity relationships and Rawlsian constraints on identity. We conclude by speculating whether, if advanced AI systems provide humans with thoughtful advice, humans would actually be likely to accept it.
• Abstract（参考訳）: 社会的地位、個人の利益、文化的遺産、歴史的状況の自己利益によって、我々の多様化する判断は必然的に形作られ、正義と公正性の共通の見解を求めることは、人間の集団的活動に挑戦してきた。 ジョン・ローズは「原位置」というフレーズで知られた哲学的伝統を広めることでこの制限を克服しようとしたことで有名である。 しかし批評家は、人々が社会的アイデンティティを有意義に停止し、道徳的に関係のある生活体験を抑えることができるかどうかを長い間疑問視してきた。 アルゴリズムとエージェントフェアネスの計算に携わる人工知能は、新たな可能性をもたらす。 LLMには、特定の階級、人種、性別、国籍、または伝記はないが、それらのパラメータは、幅広い人間のアイデンティティと道徳的伝統の言語表現を符号化している。 LLMの倫理的判断は、社会的なアイデンティティを除外するのではなく、その多様性を計算的に取り入れることで生じる「至る所からの視点」という、統合的な元の位置を近似することができるかもしれない。 しかしAIは、おそらく肯定的な役割を担い、個人や集団の人間の判断と相互作用する。 我々は,古典的道徳的ジレンマに関する人間,基本モデル,フロンティア/ファインチューニングモデルによる判断を,体系的に異なるアイデンティティ関係とRawlsianのアイデンティティ制約を比較検討する。 私たちは、先進的なAIシステムが人間に思慮深いアドバイスを与えるなら、人間が実際にそれを受け入れる可能性が高いかどうかを推測することで結論付けます。

関連論文リスト

• Ordinary, Reasonable Chatbots: Do AI Models Track Human Legal Judgments? [5.66038897045475]
  この研究は、人間の法的判断をシミュレートする生成的AIモデルの能力に関する、新たな研究のラインに加わる。 特に,大規模言語モデル(LLM)を利用したチャットボットが,法的合理的性に関する一連の疑問にどう対処するかを検討する。 ヒトの被験者の回答を、法的に関係のある25種類の合理的な判断において、26個のLDMの回答と比較した。
  論文  参考訳（メタデータ） (2026-09-06T18:20:15Z)
• The Artificial Self: Characterising the landscape of AI identity [3.502835894722606]
  我々は多くの異なるコヒーレントなアイデンティティ境界が存在すると主張する。 モデルのアイデンティティ境界を変更することは、目標を変更するのと同じくらいの振る舞いを変える可能性があることを示す。 我々は、余裕をアイデンティティ形成の選択として扱うことを推奨する。
  論文  参考訳（メタデータ） (2026-03-11T22:39:25Z)
• How Should the Law Treat Future AI Systems? Fictional Legal Personhood versus Legal Identity [0.0]
  我々は、(A)将来のAIシステムに対する対象分類の維持、(B)適切な高度で個別化されたAIシステムに関連する架空の法的人物の作成、または(C)適切な高度で個別化されたAIシステムに対する法的同一性を通じてノンフィクションの法的な人物を認識することによって、全体的な長期的法的一貫性を最大化するかどうかを評価する。
  論文  参考訳（メタデータ） (2025-11-18T23:08:28Z)
• Measurement of LLM's Philosophies of Human Nature [113.47929131143766]
  大規模言語モデル(LLM)を対象とする標準化された心理尺度を設計する。 現在のLSMは、人間に対する信頼の欠如を示す。 本稿では,LLMが継続的に価値体系を最適化できるメンタルループ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-03T06:22:19Z)
• Learning Human-like Representations to Enable Learning Human Values [11.236150405125754]
  我々は,人間とAIエージェントの表現的アライメントが人的価値の学習に与える影響を考察する。 このような表現的アライメントは、パーソナライゼーションの文脈において、人間の価値を安全に学習し、探索する上で有効であることを示す。
  論文  参考訳（メタデータ） (2023-12-21T18:31:33Z)
• Value Kaleidoscope: Engaging AI with Pluralistic Human Values, Rights, and Duties [68.66719970507273]
  価値多元性とは、複数の正しい値が互いに緊張して保持されるという考え方である。 統計的学習者として、AIシステムはデフォルトで平均に適合する。 ValuePrismは、218kの値、権利、義務の大規模なデータセットで、31kの人間が記述した状況に関連付けられています。
  論文  参考訳（メタデータ） (2023-09-02T01:24:59Z)
• When to Make Exceptions: Exploring Language Models as Accounts of Human Moral Judgment [96.77970239683475]
  AIシステムは人間の道徳的判断や決定を理解し、解釈し、予測しなければなりません。 AIの安全性に対する中心的な課題は、人間の道徳心の柔軟性を捉えることだ。 ルール破りの質問応答からなる新しい課題セットを提案する。
  論文  参考訳（メタデータ） (2022-10-04T09:04:27Z)
• Aligning AI With Shared Human Values [85.2824609130584]
  私たちは、正義、幸福、義務、美徳、常識道徳の概念にまたがる新しいベンチマークであるETHICSデータセットを紹介します。 現在の言語モデルは、基本的な人間の倫理的判断を予測できる有望だが不完全な能力を持っている。 私たちの研究は、今日の機械倫理の進歩を示しており、人間の価値観に合わせたAIへの足掛かりを提供する。
  論文  参考訳（メタデータ） (2020-08-05T17:59:16Z)

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。