論文の概要: Finding the unicorn: Predicting early stage startup success through a
hybrid intelligence method
- arxiv url: http://arxiv.org/abs/2105.03360v1
- Date: Fri, 7 May 2021 16:16:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 14:30:59.592532
- Title: Finding the unicorn: Predicting early stage startup success through a
hybrid intelligence method
- Title（参考訳）: ユニコーンの発見:ハイブリッドインテリジェンス手法によるアーリーステージスタートアップの成功予測
- Authors: Dominik Dellermann, Nikolaus Lipusch, Philipp Ebel, Karl Michael Popp,
and Jan Marco Leimeister
- Abstract要約: スタートアップの成功を予測するためのハイブリッドインテリジェンス手法を開発した。
この方法は、機械と集団知能の強さを組み合わせて、極めて不確実な条件下でその有用性を実証する。
- 参考スコア（独自算出の注目度）: 3.8471013858178424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence is an emerging topic and will soon be able to perform
decisions better than humans. In more complex and creative contexts such as
innovation, however, the question remains whether machines are superior to
humans. Machines fail in two kinds of situations: processing and interpreting
soft information (information that cannot be quantified) and making predictions
in unknowable risk situations of extreme uncertainty. In such situations, the
machine does not have representative information for a certain outcome.
Thereby, humans are still the gold standard for assessing soft signals and make
use of intuition. To predict the success of startups, we, thus, combine the
complementary capabilities of humans and machines in a Hybrid Intelligence
method. To reach our aim, we follow a design science research approach to
develop a Hybrid Intelligence method that combines the strength of both machine
and collective intelligence to demonstrate its utility for predictions under
extreme uncertainty.
- Abstract（参考訳）: 人工知能は新たな話題であり、すぐに人間よりも優れた意思決定ができるようになるだろう。
しかし、イノベーションのようなより複雑で創造的な文脈では、機械が人間より優れているかどうかが疑問である。
機械は、ソフト情報(定量化できない情報)の処理と解釈の2つの状況で失敗し、極端な不確実性の無知なリスク状況における予測を行う。
このような状況では、マシンは特定の結果を表す情報を持っていない。
そのため、人間は依然として柔らかい信号を評価し、直感を利用するための金の標準である。
スタートアップの成功を予測するために、私たちは人間と機械の補完的な能力をハイブリッドインテリジェンスの方法で組み合わせます。
目的を達成するために,機械と集団の知能の強さを組み合わせたハイブリッドインテリジェンス手法を開発し,極めて不確実な予測におけるその有用性を実証する設計科学研究手法に従う。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Artificial Human Intelligence: The role of Humans in the Development of Next Generation AI [6.8894258727040665]
我々は、倫理的、責任があり、堅牢なインテリジェントシステムを開発する上で人間が果たす重要な役割に焦点を当て、人間とマシンインテリジェンスの間の相互作用を探求する。
我々は、次世代AI開発における人間中心の方向性を提案するために、共生設計の利点を活かして、将来的な視点を提案する。
論文 参考訳（メタデータ） (2024-09-24T12:02:20Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。
同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。
一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
論文 参考訳（メタデータ） (2023-10-31T18:07:07Z) - A Review on Objective-Driven Artificial Intelligence [0.0]
人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。
人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。
機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
論文 参考訳（メタデータ） (2023-08-20T02:07:42Z) - Cognitive Architecture for Co-Evolutionary Hybrid Intelligence [0.17767466724342065]
論文は、強力な(一般的な)データ中心人工知能(AI)の実現可能性に疑問を投げかける。
代替として、共進化型ハイブリッドインテリジェンスの概念が提案されている。
インテリジェントな問題解決のループに人間をシームレスに組み込むアーキテクチャを考える。
論文 参考訳（メタデータ） (2022-09-05T08:26:16Z) - Co-evolutionary hybrid intelligence [0.3007949058551534]
インテリジェントシステム開発に対する現在のアプローチは、データ中心である。
本稿では,人間と機械のハイブリッド化と共進化に基づく人工知能システム開発への代替的アプローチについて論じる。
論文 参考訳（メタデータ） (2021-12-09T08:14:56Z) - Hybrid Intelligence [4.508830262248694]
今後数十年間、人間と機械の間の労働分業の最も可能性の高いパラダイムはハイブリッド・インテリジェンスであると主張する。
このコンセプトは、人間の知性とAIの相補的な強みを利用することを目標とし、それぞれが個別にできることよりも優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2021-05-03T08:56:09Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z) - Effect of Confidence and Explanation on Accuracy and Trust Calibration
in AI-Assisted Decision Making [53.62514158534574]
ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。
信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
論文 参考訳（メタデータ） (2020-01-07T15:33:48Z)
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。