[論文レビュー] Trusted Data Forever: Is AI the Answer?

Emanuele Frontoni, Marina Paolanti+4 more|arXiv (Cornell University)|Feb 16, 2022

Digital and Traditional Archives Management被引用数 5

ひとこと要約

本論文は、記錣的デジタル記録の長期的保存およびアクセス可能性を向上させるためにAIが果たせる役割を調査する。記錣的文脈におけるAI技術の同定、開発、検証を目的とし、InterPARES Trust AI提携パートナーシップからの初期の知見を提示する。AIは記錣管理における重要な課題に対処する可能性を示しており、記錣基準に裏付けられた倫理的かつ原則に基づいた開発が保証されている。

ABSTRACT

Archival institutions and programs worldwide work to ensure that the records of governments, organizations, communities, and individuals are preserved for future generations as cultural heritage, as sources of rights, and as vehicles for holding the past accountable and to inform the future. This commitment is guaranteed through the adoption of strategic and technical measures for the long-term preservation of digital assets in any medium and form - textual, visual, or aural. Public and private archives are the largest providers of data big and small in the world and collectively host yottabytes of trusted data, to be preserved forever. Several aspects of retention and preservation, arrangement and description, management and administrations, and access and use are still open to improvement. In particular, recent advances in Artificial Intelligence (AI) open the discussion as to whether AI can support the ongoing availability and accessibility of trustworthy public records. This paper presents preliminary results of the InterPARES Trust AI (I Trust AI) international research partnership, which aims to (1) identify and develop specific AI technologies to address critical records and archives challenges; (2) determine the benefits and risks of employing AI technologies on records and archives; (3) ensure that archival concepts and principles inform the development of responsible AI; and (4) validate outcomes through a conglomerate of case studies and demonstrations.

研究の動機と目的

• 記錣保存における根幹的な課題に対処するためのAI技術を同定し、開発すること。
• 記錣システムおよびプロセスへのAIの導入がもたらす利点とリスクを評価すること。
• 記錣原則（真正性、完全性、説明責任）がAIシステムの設計および実装に反映されることを保証すること。
• 多様な記錣機関における実際の事例研究およびデモンストレーションを通じてAIアプリケーションを検証すること。
• 記錣倫理および基準をAIイノベーションに組み込むことで、責任あるAI開発を促進すること。

提案手法

• 記錣分野における国際的AI開発を調整するため、InterPARES Trust AI（I Trust AI）国際研究提携を設立した。
• AIが効率性および信頼性を向上させられる可能性がある、記錣ワークフローの分析を体系的に行った。
• デジタル記錣における自動メタデータ生成、コンテンツインデックス化、データ完全性検証のためのプロトタイプAIツールを開発した。
• 自然言語処理（NLP）およびコンピュータビジョン技術を活用し、テキスト、画像、音声記錣資料を分析した。
• 記錣原則（例：出自、真正性）をAIモデル設計に統合し、信頼性を確保した。
• 公共および民間記錣機関における事例研究を通じてAIソリューションを検証し、性能、スケーラビリティ、倫理的適合性を評価した。

実験結果

リサーチクエスチョン

• RQ1 記錣機関におけるデジタル記錣の長期的アクセス可能性および信頼性を向上させるために、AIをどのように活用できるか。
• RQ2 記錣データ保存および管理へのAI技術の応用における主なリスクと利点は何か。
• RQ3 記錣の根幹的原則が記錣管理におけるAIの責任ある開発および展開にどのように影響を与えるか。
• RQ4 多様なデータタイプおよび機関的文脈を含む実際の記錣事例において、AI駆動のツールはどのように機能するか。
• RQ5 AIを記錣システムで使用する際、データ完全性および説明責任を維持するために必要な技術的および倫理的ガードレールは何か。

主な発見

• AI技術は、大規模記錣コレクションにおけるメタデータ抽出およびコンテンツインデックス化の自動化において、顕著な可能性を示している。
• 記錣原則をAIシステム設計に統合することで、出力の透明性、説明責任、信頼性が向上した。
• 初期の事例研究では、NLPおよびコンピュータビジョンモデルを用いた文書分類およびデータ発見の効率性が向上した。
• データバイアス、モデルの解釈可能性、長期的システムの持続可能性に関する課題が、重要な懸念事項として特定された。
• AIが記錣の完全性を損なわず、支援するためには、共同で開発され、原則に基づいたフレームワークが不可欠である。
• 本研究は、記錣文脈におけるAIアプリケーションにおいて、継続的な検証および倫理的監視の必要性を浮き彫りにした。