論文の概要: eXtended Artificial Intelligence: New Prospects of Human-AI Interaction Research

• arxiv url: http://arxiv.org/abs/2103.15004v2
• Date: Wed, 31 Mar 2021 11:18:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 13:23:27.293067
• Title: eXtended Artificial Intelligence: New Prospects of Human-AI Interaction Research
• Title（参考訳）: eXtended Artificial Intelligence: New prospects of Human-AI Interaction Research
• Authors: Carolin Wienrich and Marc Erich Latoschik
• Abstract要約: 本稿では,XR-AI連続体に基づく人間-AI相互作用の理論的治療とモデルを提供する。 このことは、XRとAIの組み合わせが、人間とAIの相互作用とインターフェースの有効かつ体系的な研究に有益に貢献する理由を示している。 最初の実験は人間とロボットの相互作用において興味深いジェンダー効果を示し、第2の実験はレコメンデーターシステムのエリザ効果を明らかにした。
• 参考スコア（独自算出の注目度）: 8.315174426992087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial Intelligence (AI) covers a broad spectrum of computational problems and use cases. Many of those implicate profound and sometimes intricate questions of how humans interact or should interact with AIs. Moreover, many users or future users do have abstract ideas of what AI is, significantly depending on the specific embodiment of AI applications. Human-centered-design approaches would suggest evaluating the impact of different embodiments on human perception of and interaction with AI. An approach that is difficult to realize due to the sheer complexity of application fields and embodiments in reality. However, here XR opens new possibilities to research human-AI interactions. The article's contribution is twofold: First, it provides a theoretical treatment and model of human-AI interaction based on an XR-AI continuum as a framework for and a perspective of different approaches of XR-AI combinations. It motivates XR-AI combinations as a method to learn about the effects of prospective human-AI interfaces and shows why the combination of XR and AI fruitfully contributes to a valid and systematic investigation of human-AI interactions and interfaces. Second, the article provides two exemplary experiments investigating the aforementioned approach for two distinct AI-systems. The first experiment reveals an interesting gender effect in human-robot interaction, while the second experiment reveals an Eliza effect of a recommender system. Here the article introduces two paradigmatic implementations of the proposed XR testbed for human-AI interactions and interfaces and shows how a valid and systematic investigation can be conducted. In sum, the article opens new perspectives on how XR benefits human-centered AI design and development.
• Abstract（参考訳）: 人工知能(AI)は、幅広い計算問題やユースケースをカバーしている。 それらの多くは、人間がどのように人間と対話するか、それともAIと対話すべきかについて、深く、時には複雑な質問を暗示している。 さらに、多くのユーザーや将来のユーザーはAIとは何かという抽象的な考えを持っている。 人間中心設計アプローチは、異なる実施形態が人間の知覚とaiとの相互作用に与える影響を評価することを示唆する。 現実のアプリケーション・フィールドや具体化の複雑さのため実現が難しいアプローチである。 しかし、ここでXRは人間とAIの相互作用を研究する新しい可能性を開く。 まず、XR-AI組合せの異なるアプローチの枠組みと視点として、XR-AI連続体に基づく人間-AI相互作用の理論的処理とモデルを提供する。 XR-AIの組み合わせは、先進的な人間-AIインターフェースの効果を学ぶ方法として動機付けられ、なぜXRとAIの組み合わせが人間-AIインタラクションとインタフェースの有効かつ体系的な研究に役立っているのかを示す。 第2に、この記事では、2つの異なるAIシステムに対する前述のアプローチを実証する2つの模範的な実験を提供している。 最初の実験は人間とロボットの相互作用において興味深いジェンダー効果を示し、2つ目の実験はレコメンデーターシステムのエリザ効果を示す。 本稿では、人間とAIのインタラクションとインタフェースのためのXRテストベッドの2つのパラダイム実装を紹介し、有効かつ体系的な調査方法を示す。 要約すると、記事は、XRが人間中心のAI設計と開発にどう役立つか、という新しい視点を開いている。

関連論文リスト

• Characterizing and modeling harms from interactions with design patterns in AI interfaces [0.19116784879310028]
  適応型AIシステムを用いたインタフェースの設計は、フィードバックループによって引き起こされるカスケード効果をもたらす可能性があると我々は主張する。 本稿では,AIインタフェース設計のインパクトアセスメントを構造化し,促進するAIシステムの設計強化制御(DECAI)を提案する。
  論文  参考訳（メタデータ） (2024-04-17T13:30:45Z)
• Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review [6.013543974938446]
  意思決定支援システムにおける人工知能の活用は、技術的進歩に不相応に焦点を合わせてきた。 人間中心の視点は、既存のプロセスとのシームレスな統合のためにAIソリューションを設計することで、この懸念を緩和しようとする。
  論文  参考訳（メタデータ） (2023-10-30T17:46:38Z)
• Human-AI Coevolution [48.74579595505374]
  Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。 本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
  論文  参考訳（メタデータ） (2023-06-23T18:10:54Z)
• BO-Muse: A human expert and AI teaming framework for accelerated experimental design [58.61002520273518]
  我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。 我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:56:05Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-27T09:56:23Z)
• Adversarial Interaction Attack: Fooling AI to Misinterpret Human Intentions [46.87576410532481]
  現在の大きな成功にもかかわらず、ディープラーニングベースのAIシステムは、微妙な敵対的ノイズによって容易に騙されることを示した。 骨格に基づくヒトの相互作用のケーススタディに基づき、相互作用に対する新しい敵対的攻撃を提案する。 本研究では、安全クリティカルなアプリケーションにAIシステムをデプロイする際に慎重に対処する必要があるAIと人間との相互作用ループにおける潜在的なリスクを強調します。
  論文  参考訳（メタデータ） (2021-01-17T16:23:20Z)
• Player-AI Interaction: What Neural Network Games Reveal About AI as Play [14.63311356668699]
  本稿では,人間がAIとどのように相互作用するかを学習し,実験する上で,ゲームは理想的な領域である,と論じる。 ニューラルネットワークゲームの体系的な調査を通じて、優勢な相互作用のメタファーとAIの相互作用パターンを特定した。 我々の研究は、ゲームとUXデザイナが人間とAIの相互作用の学習曲線を構築するためのフローを考えるべきであることを示唆している。
  論文  参考訳（メタデータ） (2021-01-15T17:07:03Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。