2 分で読了
1 views

委任と参加による分散ガバナンスの知識論的観点

(Delegation and Participation in Decentralized Governance: An Epistemic View)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「DAOやリキッドデモクラシーを導入すべきだ」と言われて困っております。何が良くて何が悪いのか、要点を教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね!本日紹介する論文は、分散ガバナンスの「誰に投票権を託すか」と「参加を増やすこと」が本当に賢い選択かを、知識の観点から検証していますよ。

田中専務

投票権を渡すってことは、要するに「信頼できる人に任せる」ということですよね。それなら効率的でいいように思えますが、何か落とし穴があるのですか。

AIメンター拓海

大丈夫、一緒に見ていけるんですよ。結論を先に言うと、部分的な棄権(partial abstention)は驚くほど強い方法で、必ずしも「委任」や「リキッドデモクラシー」が勝るわけではありません。

田中専務

これって要するに「全員が参加するほど正しい判断になるとは限らない」ということですか。それとも「代表に任せるほうが良い場面がある」ということですか。

AIメンター拓海

両方の側面があるんですよ。論文はまず「知識論的検定(Epistemic tests、ET、知識論的検定)」を導入し、どの制度が正しい結果にたどり着けるかを調べています。要点は三つです: 一、部分的棄権が強い場面がある。一つ、委任には固有の弱点がある。三つ、参加増加は必ずしも改善にならない。

田中専務

なるほど。現場に落とし込むと、むやみに参加を募るよりも、知識のある人だけが判断するか、それとも一部が棄権する判断をするかが重要だと。

AIメンター拓海

その通りですよ。大丈夫、一緒にやれば必ずできますよ。最後に一つだけ付け加えると、委任(transfer delegation)は情報や調整コストを要求するため、適用には慎重さが必要なんです。

田中専務

分かりました。私の理解で整理しますと、「全員参加が最良とは限らず、情報と調整が不十分な委任は逆効果にもなり得る。部分的に棄権する選択肢が意外に強い」ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
病理診断のための動画経路推論 — VideoPath-LLaVA: Pathology Diagnostic Reasoning Through Video Instruction Tuning
次の記事
視覚グラフプロンプティング:セマンティック低ランク分解による手法
(Vision Graph Prompting via Semantic Low-Rank Decomposition)
関連記事
デジタルツインを核としたスマート制御工学による産業AIの枠組み
(Digital Twin Enabled Smart Control Engineering as an Industrial AI: A New Framework and A Case Study)
拡散グラフニューラルネットワークによる嗅覚センサーとデータセットの堅牢性向上
(Diffusion Graph Neural Networks for Robustness in Olfaction Sensors and Datasets)
SegEarth-OV:リモートセンシング画像のための学習不要なオープンボキャブラリセグメンテーション
(SegEarth-OV: Towards Training-Free Open-Vocabulary Segmentation for Remote Sensing Images)
IceCubeにおける深氷中ニュートリノ検出
(IceCube — Neutrinos in Deep Ice)
ブロックスパースベイジアン学習における多様化スキーム
(Block Sparse Bayesian Learning: A Diversified Scheme)
AIシステムにおける説明可能性の拡張:社会的透明性に向けて
(Expanding Explainability: Towards Social Transparency in AI systems)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む