論文の概要: The future of human-AI collaboration: a taxonomy of design knowledge for
hybrid intelligence systems
- arxiv url: http://arxiv.org/abs/2105.03354v1
- Date: Fri, 7 May 2021 16:10:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 15:14:12.376504
- Title: The future of human-AI collaboration: a taxonomy of design knowledge for
hybrid intelligence systems
- Title（参考訳）: 人間とAIのコラボレーションの未来--ハイブリッドインテリジェンスシステムの設計知識の分類学
- Authors: Dominik Dellermann, Adrian Calma, Nikolaus Lipusch, Thorsten Weber,
Sascha Weigel, and Philipp Ebel
- Abstract要約: 我々は、人間と機械の社会技術的アンサンブルを開発する必要性を特定する。
本稿では,機械学習パイプラインにおける人間の役割に関する学際研究の概観について述べる。
第二に、ハイブリッドインテリジェンスシステムを構想し、システム設計の関連寸法を概念化します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent technological advances, especially in the field of machine learning,
provide astonishing progress on the road towards artificial general
intelligence. However, tasks in current real-world business applications cannot
yet be solved by machines alone. We, therefore, identify the need for
developing socio-technological ensembles of humans and machines. Such systems
possess the ability to accomplish complex goals by combining human and
artificial intelligence to collectively achieve superior results and
continuously improve by learning from each other. Thus, the need for structured
design knowledge for those systems arises. Following a taxonomy development
method, this article provides three main contributions: First, we present a
structured overview of interdisciplinary research on the role of humans in the
machine learning pipeline. Second, we envision hybrid intelligence systems and
conceptualize the relevant dimensions for system design for the first time.
Finally, we offer useful guidance for system developers during the
implementation of such applications.
- Abstract（参考訳）: 最近の技術進歩、特に機械学習の分野は、人工知能への道のりにおいて驚くべき進歩をもたらしている。
しかし、現在の実世界のビジネスアプリケーションのタスクは、マシンだけでは解決できない。
そこで我々は,人間と機械の社会技術的アンサンブルを開発する必要性を認識した。
このようなシステムには、人間と人工知能を組み合わせることで複雑な目標を達成する能力があり、優れた結果を総合的に達成し、互いに学習することで継続的に改善する。
したがって、これらのシステムに対する構造化設計知識の必要性が生じる。
まず、機械学習パイプラインにおける人間の役割に関する学際的な研究の構造化の概要を述べる。
第2に、ハイブリッド・インテリジェンス・システムを想定し、システム設計の関連次元を初めて概念化する。
最後に,このようなアプリケーションの実装において,システム開発者に有用なガイダンスを提供する。
関連論文リスト
- Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems [4.936180840622583]
人間は現在、機械学習ベースのシステムと常に対話し、毎日モデルをトレーニングし、使用しています。
コンピュータサイエンス文学におけるいくつかの異なる技術は、人間の機械学習システムとの相互作用を説明するが、その分類は小さく、目的は様々である。
本調査では,現代コンピュータ科学文献が人間と機械の相互作用をどのようにモデル化しているかを理解するための概念的および技術的枠組みを提供するハイブリッド意思決定システムの分類法を提案する。
論文 参考訳（メタデータ） (2024-02-09T09:54:01Z) - Adaptive User-centered Neuro-symbolic Learning for Multimodal
Interaction with Autonomous Systems [0.0]
機械学習の最近の進歩により、自律システムは物体を知覚し、理解することができるようになった。
人間が提供する明示的な教えと、人間の行動を観察して得られる暗黙的な教えの両方を考慮することが不可欠である。
インプットのタイプや,ループ内の人間とインクリメンタルな学習技術についても検討する。
論文 参考訳（メタデータ） (2023-09-11T19:35:12Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Conceptualization and Framework of Hybrid Intelligence Systems [0.0]
この記事では、ハイブリッドインテリジェンスシステムの正確な定義と、他の同様の概念との関係を説明します。
すべてのAIシステムはハイブリッドインテリジェンスシステムであるため、そのようなシステムのライフサイクルのあらゆる段階で人間の要因を調べる必要があります。
論文 参考訳（メタデータ） (2020-12-11T06:42:06Z) - Learning to Complement Humans [67.38348247794949]
オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。
我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
論文 参考訳（メタデータ） (2020-05-01T20:00:23Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。