Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization

要約

AI システムは、個人および社会の領域にわたって重要な意思決定をますます形作ります。
AI の成功の多くは経験的リスク最小化 (ERM) によって推進されますが、通常は信頼性よりも精度が優先され、多くの場合、バイアス、不透明性、その他の悪影響が生じます。
このペーパーでは、信頼できる AI の主要な要件を ERM コンポーネントの設計の選択肢にどのように変換できるかについて説明します。
私たちは、AI の信頼性に関する新たな基準を満たす AI システムを構築するための実用的なガイダンスを提供したいと考えています。

要約(オリジナル)

AI systems increasingly shape critical decisions across personal and societal domains. While empirical risk minimization (ERM) drives much of the AI success, it typically prioritizes accuracy over trustworthiness, often resulting in biases, opacity, and other adverse effects. This paper discusses how key requirements for trustworthy AI can be translated into design choices for the components of ERM. We hope to provide actionable guidance for building AI systems that meet emerging standards for trustworthiness of AI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google