論文の概要: Where Intention Goes, Responsibility Flows: Grounding AI Accountability in the Machine Learning Paradigm

• arxiv url: http://arxiv.org/abs/2611.00380v1
• Date: Fri, 30 Oct 2026 21:01:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:14:21.64689
• Title: Where Intention Goes, Responsibility Flows: Grounding AI Accountability in the Machine Learning Paradigm
• Title（参考訳）: インテンションが進む、責任の流れ:機械学習パラダイムにおけるAIアカウンタビリティの基盤
• Abstract要約: このパースペクティブは、これらの収束経路は機械学習(ML)自体のエンジニアリングアーキテクチャに基づいて構築された統一原則を共有している、と指摘する。 AIを育てるためには村が必要であり、その村のすべての人がケアの義務を負う。 これにより、AIの説明責任は哲学的なパズルから難解な法的調査へと変換される。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: An opening salvo of lawsuits in U.S. courts has begun holding AI companies accountable through independent doctrinal routes: product liability and agency law cut as swords, while the shields of Section 230 immunity and First Amendment doctrine begin to crack. This Perspective points out that these converging paths share a unifying principle, built on the very engineering architecture of machine learning (ML) itself. Every ML system, across all variants, is constituted by a human-specified objective function before learning begins. Training data, deployment context, user interaction, and post-deployment oversight add further layers of deliberate human intention traceable to identifiable actors. AI output is therefore not the expression of a single speaker but a composite of layered human intents. It takes a village to raise an AI, and everyone in that village bears a duty of care. This transforms AI accountability from a philosophical puzzle into a tractable legal inquiry: trace the chain of intentional design decisions across the ML pipeline, grade each actor's responsibility by their intent's specificity and foreseeability, and apportion liability accordingly, following the standard three doctrine-neutral questions (attribution, causation, apportionment). Sufficient for most cases, four gaps remain: who owes what share when many hands build one system, proving fault inside an opaque model, harms that surface only after deployment, and remedies that match the technology's pace. Targeted reforms drawing on environmental, vaccine, and financial regulatory precedents can close these gaps without requiring new legal categories, AI speech rights, AI legal personhood, or defining AI consciousness.
• Abstract（参考訳）: 米国裁判所における訴訟の始まりは、独立した教義のルートで説明可能なAI企業、すなわち製品責任と機関法を剣としてカットし、第230条の免責と修正第1条の教義の盾が割れ始めている。 このパースペクティブは、これらの収束経路は機械学習(ML)自体のエンジニアリングアーキテクチャに基づいて構築された統一原則を共有している、と指摘する。 すべてのMLシステムは、学習が始まる前に、人間の指定した目的関数によって構成される。 トレーニングデータ、デプロイメントコンテキスト、ユーザインタラクション、デプロイ後の監視は、識別可能なアクターにトレース可能な、意図的な人間の意図のさらなるレイヤを追加する。 したがって、AI出力は単一の話者の表現ではなく、階層化された人間の意図の合成である。 AIを育てるためには村が必要であり、その村のすべての人がケアの義務を負う。 これは、AIの説明責任を哲学的なパズルから、MLパイプライン全体にわたる意図的な設計決定の連鎖をトレースし、意図の特異性と予見可能性によって各アクターの責任を格付けし、標準の3つのドクトリン中立な質問(帰属、因果関係、偏見)に従って評価責任を付与する。 多くの人がひとつのシステムを構築するときの共有を負う人、不透明なモデル内の欠陥を証明する人、デプロイ後にのみその表面を害する人、テクノロジのペースに合わせて修正する人である。 環境、ワクチン、金融規制の先例に基づく目標とする改革は、新たな法的カテゴリ、AI音声権利、AI法的な人格、AI意識の定義を必要とせずに、これらのギャップを埋めることができる。

関連論文リスト

• When No One Owns the Judgment: Accountability Under Contribution Dissolution in Human-AI Collaboration [0.0]
  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。
  論文  参考訳（メタデータ） (2026-09-24T09:46:53Z)
• 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)
• The Boundaries of Automation: A Theory of Persistent Human Participation [107.84677954791773]
  高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。 一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。 この観点は、自動化の限界に重要な意味を持つ。
  論文  参考訳（メタデータ） (2026-07-23T17:33:43Z)
• Trustworthy AI Suffers from Invariance Conflicts and Causality is The Solution [80.98492754957466]
  公正性、堅牢性、プライバシ、説明可能性といった、信頼性の高いAI目標を同時に達成することは難しい。 本稿では、パフォーマンスにおけるトレードオフを理解しバランスをとるためには因果性が必要であると論じ、信頼できるAIの複数の目的について論じる。
  論文  参考訳（メタデータ） (2026-05-04T14:26:28Z)
• AI-Induced Human Responsibility (AIHR) in AI-Human teams [0.0]
  私たちは、AIと人間のチーム化が人間の責任を減らし、(希薄にするのではなく)増すことを示します。 この効果は、高リスクシナリオと低障害シナリオにまたがって行われ、自己サービス的責任シフトが期待される状況でも持続した。 これらの発見は、アルゴリズムの逆転、AIと人間のハイブリッドな組織行動、技術における責任ギャップの研究を拡張している。
  論文  参考訳（メタデータ） (2026-04-10T01:58:59Z)
• Operational Agency: A Permeable Legal Fiction for Tracing Culpability in AI Systems [0.31061678033205636]
  本条では、後述の枠組み及び運用機関グラフ(OAG)として構成された、通用可能な法的フィクションについて紹介する。 OAはAIの観測可能な運用特性を評価する。 OAGは、これらの特徴を因果グラフに埋め込んで、開発者、ファインタウンタ、デプロイ者、ユーザ間の計算可能性を追跡し、評価することで、その分析を運用する。
  論文  参考訳（メタデータ） (2026-02-20T01:49:03Z)
• AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
  このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。 我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。 我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
  論文  参考訳（メタデータ） (2025-11-27T16:56:04Z)
• AI Alignment: A Comprehensive Survey [69.61425542486275]
  AIアライメントは、AIシステムが人間の意図や価値観に沿って振る舞うようにすることを目的としている。 AIアライメントの重要な目的として、ロバストネス、解釈可能性、制御可能性、倫理という4つの原則を特定します。 我々は、現在のアライメント研究を、前方アライメントと後方アライメントの2つの重要なコンポーネントに分解する。
  論文  参考訳（メタデータ） (2023-10-30T15:52:15Z)
• Fairness in Agreement With European Values: An Interdisciplinary Perspective on AI Regulation [61.77881142275982]
  この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。 私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。 我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
  論文  参考訳（メタデータ） (2022-06-08T12:32:08Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Towards AI Forensics: Did the Artificial Intelligence System Do It? [2.5991265608180396]
  私たちは、デザインとグレーボックス分析によって潜在的に悪意のあるAIに焦点を当てています。 畳み込みニューラルネットワークによる評価は、悪意のあるAIを特定する上での課題とアイデアを示している。
  論文  参考訳（メタデータ） (2020-05-27T20:28:19Z)

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。