抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
異なる研究報告と日常生活経験を確認すると,学習モデルは偏った結果をもたらす。偏った学習モデルは,通常,社会における歴史的識別を複製し,典型的には,あまり表現されていない同一性に負の影響を与える。ロボットは,彼らが運転することを可能にするこれらのモデルを装備し,毎日より複雑なタスクを実行する。学習プロセスは,人間の判断に依存する異なる段階から成る。さらに,ロボット決定のための得られた学習モデルは,記録されたラベル付きデータまたは実証に依存する。したがって,ロボット学習プロセスは,社会における人間行動にリンクするバイアスに敏感である。これは,特にロボットが人間周りで動作し,学習プロセスが今日存在する社会的不公平性を反映する場合,潜在的危険性を課す。異なるフェミニスト提案は,社会的不等式を研究しており,様々な分野におけるバイアス除去に向けた本質的な展望を提供する。さらに,フェミニズムは,その多様性を通して,人々の同等性のために,多くの社会的ダイナミックスと立体型を再構成することを可能にした。従って,本研究では,ロボット学習プロセスに関するフェミニリスト展望を提供した。著者らは,交差的フェミズム,コミュニティフェミニズム,非コロニー性フェミニズム,および教育展望に関する著者らの議論を基礎にして,著者らは,フェミストロボットアプローチにおいて著者らの研究をフレームした。本論文では,偏ったロボット決定を最終的に補正し,予見するフェミニストの視点の関連性を強調するための最初の議論を示した。【JST・京大機械翻訳】