文献

J-GLOBAL ID：202302283521456770   整理番号：23A2064316

ChatGPTと他の大規模生成AIモデルの調節【JST・京大機械翻訳】

Regulating ChatGPT and other Large Generative AI Models

著者 (3件)： Hacker Philipp (European New School of Digital Studies, European University Viadrina, Germany) ,  Engel Andreas (Faculty of Law, Heidelberg University, Germany) ,  Mauer Marco (Faculty of Law, Humboldt-University of Berlin, Germany and European New School of Digital Studies, European University Viadrina, Germany)
資料名： ACM Proceedings  (ACM Proceedings)
号： FAccT23  ページ： 1112-1123  発行年： 2023年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ChatGPT,GPT-4または安定拡散のような大規模生成AIモデル(LGAIM)は,著者らが通信し,説明し,創造する方法を迅速に変換する。しかし,EUとそれ以上におけるAI調節は,LGAIMではなく,従来のAIモデルに主に焦点を合わせている。本論文は,信頼できるAI規制に関する現在の議論において,これらの新しい生成モデルをin situ化し,その法則がそれらの能力にいかに調整できるかを問う。技術的基礎を敷設した後,論文の法的部分は,(1)直接規制,(2)データ保護,(3)コンテンツモデレーション,(4)政策提案をカバーする4段階で進行する。それは,LGAIM開発者,展開者,専門的および非専門的ユーザ,ならびにLGAIM出力のレシピエントを区別することにより,LGAIM設定におけるAI値チェーンを捉える新しい用語を示唆する。価値連鎖に沿ってこれらの異なるアクターに規制義務を仕立て,LGAIMが信頼性があり,大きな社会の利益のために展開する戦略を示唆した。AI法と他の直接調節における規則は,事前訓練モデルの特異性に合致しなければならない。本論文では,LGAIM(すべてのLGAIMに対する最小標準,高リスク使用事例に対する高リスク義務,AI値チェーンに沿った協調)に関する義務の3つの層について論じた。一般に,規制は,コンクリートのハイリスクアプリケーションに焦点を当て,事前訓練モデル自体ではなく,(i)透明性と(ii)リスク管理に関する義務を含むべきである。しかし,非識別規定(iii)はLGAIM開発者に適用する可能性がある。最後に,(iv)DSAコンテンツ減速規則のコアを,LGAIMをカバーするために拡張しなければならない。これは,注意と行動メカニズム,および信頼された鞭毛を含む。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  コンクリート ,  鞭毛 ,  応用プログラム ,  *モデル ,  データ保護 ,  リスク管理 ,  コンテンツ ,  ハイリスク ,  生成モデル ,  バリューチェーン
準シソーラス用語： 価値連鎖 ,  特異性 , 【Automatic Indexing@JST】

分類 (1件)： 建築設計,建築家,建築史  (RB04000W)

タイトルに関連する用語 (4件)： 大規模 ,  生成AI ,  モデル ,  調節