論文の概要: Who/What is My Teammate? Team Composition Considerations in Human-AI
Teaming
- arxiv url: http://arxiv.org/abs/2105.11000v1
- Date: Sun, 23 May 2021 19:06:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 15:03:57.077796
- Title: Who/What is My Teammate? Team Composition Considerations in Human-AI
Teaming
- Title（参考訳）: チームメイトとは何か?
人間-AIチームにおけるチーム構成の考察
- Authors: Nathan J. McNeese, Beau G. Schelble, Lorenzo Barberis Canonico,
Mustafa Demir
- Abstract要約: 本稿では,チームパフォーマンスやチーム状況の認識,チーム認知など,人間とAIのコラボレーションに欠かせない側面について考察する。
認識されたチームの認知は、人間のみのチームで最も高く、混合構成チームは、全チームの58%以下で認識されたチームの認知を報告した。
- 参考スコア（独自算出の注目度）: 1.3477333339913569
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: There are many unknowns regarding the characteristics and dynamics of
human-AI teams, including a lack of understanding of how certain human-human
teaming concepts may or may not apply to human-AI teams and how this
composition affects team performance. This paper outlines an experimental
research study that investigates essential aspects of human-AI teaming such as
team performance, team situation awareness, and perceived team cognition in
various mixed composition teams (human-only, human-human-AI, human-AI-AI, and
AI-only) through a simulated emergency response management scenario. Results
indicate dichotomous outcomes regarding perceived team cognition and
performance metrics, as perceived team cognition was not predictive of
performance. Performance metrics like team situational awareness and team score
showed that teams composed of all human participants performed at a lower level
than mixed human-AI teams, with the AI-only teams attaining the highest
performance. Perceived team cognition was highest in human-only teams, with
mixed composition teams reporting perceived team cognition 58% below the
all-human teams. These results inform future mixed teams of the potential
performance gains in utilizing mixed teams' over human-only teams in certain
applications, while also highlighting mixed teams' adverse effects on perceived
team cognition.
- Abstract（参考訳）: 人間のAIチームの特徴とダイナミクスについては、特定の人間と人間のチームの概念がどのように人間のAIチームに適用されるか、この構成がチームのパフォーマンスにどのように影響するか、といった理解の欠如など、不明な点が多い。
本稿では, チームパフォーマンス, チーム状況認識, チーム認知など, さまざまな複合構成チーム(人間のみ, 人間のみ, 人間のみ, AIのみ, AIのみ)における人間とAIのコラボレーションの本質的側面を, シミュレーションされた緊急対応管理シナリオを通じて検討する実験研究を概説する。
結果から,チーム認知の認知はパフォーマンスを予測できないため,チームの認知とパフォーマンスの指標に関する二分法の結果が示唆された。
チームの状況認識やチームスコアといったパフォーマンス指標は、人間とaiの混成チームよりも低いレベルで実行されたすべての参加者で構成されるチームが、aiのみのチームが最高のパフォーマンスを達成していることを示している。
認識されたチームの認知は、人間のみのチームで最も高く、混合構成チームは、全チームの58%以下で認識されたチームの認知を報告した。
これらの結果は、将来の混合チームに対して、特定のアプリケーションにおいて人間のみのチームよりも混合チームのパフォーマンスが向上する可能性があることを知らせると同時に、混合チームの認識に対する悪影響を強調します。
関連論文リスト
- Generative AI Enhances Team Performance and Reduces Need for Traditional Teams [1.5031024722977635]
生成AIによって強化されたチームは、人間のコラボレーションにのみ依存するチームよりも大幅に優れていた。
我々の分析によると、少数のチームメンバーによる集中型AIの使用は、分散エンゲージメントよりも効果的である。
論文 参考訳（メタデータ） (2024-05-28T07:47:03Z) - Capturing Humans' Mental Models of AI: An Item Response Theory Approach [12.129622383429597]
我々は、AIエージェントのパフォーマンスが、他の人間のパフォーマンスよりも平均的にはるかに良いと期待していることを示します。
以上の結果から,AIエージェントの性能は他の人間よりも平均的に有意に向上することが示唆された。
論文 参考訳（メタデータ） (2023-05-15T23:17:26Z) - Kill Chaos with Kindness: Agreeableness Improves Team Performance Under
Uncertainty [0.0]
Agreeablenessは、チームパフォーマンスと重要でない、非常に可変的な関係を示している。
エージェントベースモデル(ABM)は、チームワークに対する性格特性の影響を予測するために使用される。
遺伝的アルゴリズムを用いてABMの限界を探索し、どの特性が最高のチームと最悪のチームと相関しているかを発見する。
論文 参考訳（メタデータ） (2022-08-09T16:04:32Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - On some Foundational Aspects of Human-Centered Artificial Intelligence [52.03866242565846]
人間中心人工知能(Human Centered Artificial Intelligence)の意味については明確な定義はない。
本稿では,AIコンポーネントを備えた物理・ソフトウェア計算エージェントを指すHCAIエージェントについて紹介する。
HCAIエージェントの概念は、そのコンポーネントや機能とともに、人間中心のAIに関する技術的および非技術的議論を橋渡しする手段であると考えています。
論文 参考訳（メタデータ） (2021-12-29T09:58:59Z) - Team Power and Hierarchy: Understanding Team Success [11.09080707714613]
本研究は,コンピュータ科学分野におけるチームパワーとチームの成功との関係を深く検討する。
4,106,995のCSチームを分析することで、フラットな構造を持つハイパワーチームが最高のパフォーマンスを持つことがわかりました。
逆に、階層構造を持つ低パワーチームは、チームのパフォーマンスのファシリテータです。
論文 参考訳（メタデータ） (2021-08-09T15:10:58Z) - Evaluation of Human-AI Teams for Learned and Rule-Based Agents in Hanabi [0.0]
我々は,ルールベースエージェントと学習ベースエージェントの両方を用いて,協力型カードゲームEmphHanabiにおける人間とAIエージェントのチームを評価する。
人間は、最先端の学習ベースのAIチームメイトよりも、ルールベースのAIチームメイトをはっきりと好みます。
論文 参考訳（メタデータ） (2021-07-15T22:19:15Z) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳（メタデータ） (2021-05-25T20:17:10Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z) - 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) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
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。