論文の概要: Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations
- arxiv url: http://arxiv.org/abs/2204.11405v1
- Date: Mon, 25 Apr 2022 02:47:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 21:55:28.929364
- Title: Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations
- Title（参考訳）: adaptive cognitive fit: 人工知能による情報ファセットと表現の管理強化
- Authors: Jim Samuel, Rajiv Kashyap, Yana Samuel and Alexander Pelaez
- Abstract要約: ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
- 参考スコア（独自算出の注目度）: 62.997667081978825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Explosive growth in big data technologies and artificial intelligence [AI]
applications have led to increasing pervasiveness of information facets and a
rapidly growing array of information representations. Information facets, such
as equivocality and veracity, can dominate and significantly influence human
perceptions of information and consequently affect human performance. Extant
research in cognitive fit, which preceded the big data and AI era, focused on
the effects of aligning information representation and task on performance,
without sufficient consideration to information facets and attendant cognitive
challenges. Therefore, there is a compelling need to understand the interplay
of these dominant information facets with information representations and
tasks, and their influence on human performance. We suggest that artificially
intelligent technologies that can adapt information representations to overcome
cognitive limitations are necessary for these complex information environments.
To this end, we propose and test a novel *Adaptive Cognitive Fit* [ACF]
framework that explains the influence of information facets and AI-augmented
information representations on human performance. We draw on information
processing theory and cognitive dissonance theory to advance the ACF framework
and a set of propositions. We empirically validate the ACF propositions with an
economic experiment that demonstrates the influence of information facets, and
a machine learning simulation that establishes the viability of using AI to
improve human performance.
- Abstract（参考訳）: ビッグデータ技術と人工知能(ai)アプリケーションにおける爆発的な成長は、情報ファセットの広がりと急速に増加する情報表現へとつながった。
等価性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ大きく左右し、その結果、人間のパフォーマンスに影響を及ぼす。
ビッグデータとaiの時代に先立つ、認知的適合に関する現存する研究は、情報表現とタスクの連携がパフォーマンスに与える影響に焦点をあて、情報ファセットやそれに付随する認知的課題を十分に考慮することなく焦点を当てている。
したがって、情報表現やタスクによる支配的な情報ファセットの相互作用とその人的パフォーマンスへの影響を理解する必要がある。
これらの複雑な情報環境には、認知的制約を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
この目的のために,情報ファセットとAIによる情報表現が人的パフォーマンスに与える影響を説明する,新しい*適応認知フィット*[ACF]フレームワークを提案し,検証する。
我々は、情報処理理論と認知不協和理論に基づいて、ACFフレームワークと一連の提案を前進させる。
我々は、情報ファセットの影響を実証する経済実験と、aiを人間のパフォーマンスを改善するために有効性を確立する機械学習シミュレーションを用いて、acfの提案を実証的に検証する。
関連論文リスト
- Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。
視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
論文 参考訳（メタデータ） (2024-04-05T07:31:24Z) - 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) - From DDMs to DNNs: Using process data and models of decision-making to
improve human-AI interactions [1.1510009152620668]
人工知能(AI)の研究は、意思決定が時間とともにどのように現れるかについての洞察に強い焦点をあてることから恩恵を受けるだろう、と私たちは主張する。
まず,ノイズの蓄積による決定を前提とした,高度に確立された計算フレームワークを提案する。
次に、マルチエージェントAIにおける現在のアプローチが、プロセスデータや意思決定のモデルをどの程度取り入れているかについて議論する。
論文 参考訳（メタデータ） (2023-08-29T11:27:22Z) - Requirements for Explainability and Acceptance of Artificial
Intelligence in Collaborative Work [0.0]
本稿では,AIの説明可能性と受容の要件について考察する。
その結果,2つの主要なグループが,モデルの内部操作に関する情報を必要とする開発者であることが示唆された。
AIシステムの受容は、システムの機能や性能、プライバシ、倫理的考慮事項に関する情報に依存する。
論文 参考訳（メタデータ） (2023-06-27T11:36:07Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-31T19:20:22Z) - Can Information Behaviour Inform Machine Learning? [0.0]
この論文は、人間の情報行動研究が、よりニュアンスな情報とインフォームのビューを機械学習にもたらす方法を説明する。
その明確な違いにもかかわらず、情報行動と機械学習の分野は多くの共通の目的、パラダイム、そして重要な研究課題を共有している。
論文 参考訳（メタデータ） (2022-05-01T19:00:52Z) - On Information Processing Limitations In Humans and Machines [0.0]
情報理論は情報の伝達、処理、抽出、利用の研究に関係している。
本稿では,人間の情報処理の限界が人工知能の信頼性向上にもたらす影響について論じる。
論文 参考訳（メタデータ） (2021-12-07T13:03:00Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - 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。