Fugu-MT 論文翻訳(概要): Explainable Computational Creativity

論文の概要: Explainable Computational Creativity

arxiv url: http://arxiv.org/abs/2205.05682v1
Date: Wed, 11 May 2022 05:05:37 GMT
ステータス: 処理完了
システム内更新日: 2022-05-14 06:08:44.648587
Title: Explainable Computational Creativity
Title（参考訳）: 説明可能な計算創造性
Authors: Maria Teresa Llano and Mark d'Inverno and Matthew Yee-King and Jon McCormack and Alon Ilsar and Alison Pease and Simon Colton
Abstract要約: 計算創造性(CC)分野におけるシステムとの協調は、しばしば浅い相互作用に制限される。本稿では,CCシステムの設計原則について提案する。
参考スコア（独自算出の注目度）: 7.258014999708837
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Human collaboration with systems within the Computational Creativity (CC) field is often restricted to shallow interactions, where the creative processes, of systems and humans alike, are carried out in isolation, without any (or little) intervention from the user, and without any discussion about how the unfolding decisions are taking place. Fruitful co-creation requires a sustained ongoing interaction that can include discussions of ideas, comparisons to previous/other works, incremental improvements and revisions, etc. For these interactions, communication is an intrinsic factor. This means giving a voice to CC systems and enabling two-way communication channels between them and their users so that they can: explain their processes and decisions, support their ideas so that these are given serious consideration by their creative collaborators, and learn from these discussions to further improve their creative processes. For this, we propose a set of design principles for CC systems that aim at supporting greater co-creation and collaboration with their human collaborators.
Abstract（参考訳）: コンピュータ・クリエイティビティ(cc)分野のシステムとのヒューマンコラボレーションは、しばしば浅い相互作用に制限され、そこでは、システムや人間の創造プロセスは、ユーザーからの(あるいはほとんど)介入なしに、そしてどのように展開する決定が行われるかについての議論なしに、独立して実行される。フルイットフルな共同創造には、アイデアの議論、前/その他の作業との比較、漸進的な改善と修正などを含む継続的な対話が必要です。これらの相互作用にとって、コミュニケーションは本質的な要素である。つまり、ccシステムに対して声を出して、プロセスと意思決定を説明し、創造的な協力者から真剣に考慮されるようにアイデアをサポートし、創造的なプロセスをさらに改善するためにこれらの議論から学ぶという、彼らのプロセスとユーザの間の双方向コミュニケーションチャネルを可能にするということだ。そこで本研究では,ccシステムのための設計原則のセットを提案する。

関連論文リスト

AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文参考訳（メタデータ） (2024-01-12T11:18:00Z)
Emergent Communication in Interactive Sketch Question Answering [38.38087954142305]
視覚に基づく創発的コミュニケーション(EC)は、スケッチを通してコミュニケーションを学び、人間のコミュニケーションの進化を解明することを目的としている。まず,2人の共同プレイヤがスケッチを通して対話し,複数ラウンドで画像に関する質問に答える,インタラクティブスケッチ質問回答(ISQA)タスクを紹介する。人的評価を含む実験結果は、多ラウンドの対話機構が、適切な人間の解釈可能性を持つ知的エージェント間の標的的かつ効率的なコミュニケーションを促進することを実証している。
論文参考訳（メタデータ） (2023-10-24T08:00:20Z)
MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
論文参考訳（メタデータ） (2023-06-27T07:24:32Z)
Solving NLP Problems through Human-System Collaboration: A Discussion-based Approach [98.13835740351932]
本研究の目的は,対話を通じて予測を議論・洗練するシステムのための,データセットと計算フレームワークを構築することである。提案システムでは,自然言語推論タスクにおいて,最大25ポイントの精度向上が期待できることを示す。
論文参考訳（メタデータ） (2023-05-19T16:24:50Z)
Creative Wand: A System to Study Effects of Communications in Co-Creative Settings [9.356870107137093]
共創造的な混合開始システムは、アルゴリズムに影響を与えるユーザー中心の手段を必要とする。共創造AIの主な疑問は以下のとおりである。本稿では,共同創造型混合開始生成のためのカスタマイズ可能なフレームワークCREATIVE-WANDを紹介する。
論文参考訳（メタデータ） (2022-08-04T20:56:40Z)
Team Learning as a Lens for Designing Human-AI Co-Creative Systems [12.24664973838839]
ジェネレーティブでML駆動の対話システムは、人々が創造的なプロセスでコンピュータと対話する方法を変える可能性がある。オープンエンドタスクドメインにおいて,効果的な人間とAIのコラボレーションを実現する方法が,まだ不明である。
論文参考訳（メタデータ） (2022-07-06T22:11:13Z)
Understanding User Perceptions, Collaborative Experience and User Engagement in Different Human-AI Interaction Designs for Co-Creative Systems [0.7614628596146599]
人間-AIのコクリエーションには、人間とAIが協力し、共同で創造的なプロダクトをパートナーとして提供する。多くの既存の共同作成システムでは、ユーザーは通常ボタンやスライダーを使用して、AIと通信することができる。本稿では,38人の参加者を対象に,2つのインタラクションデザインがユーザエンゲージメント,協調体験,共同創造型AIのユーザ認識に与える影響について検討する。
論文参考訳（メタデータ） (2022-04-27T22:37:44Z)
Designing Creative AI Partners with COFI: A Framework for Modeling Interaction in Human-AI Co-Creative Systems [0.7614628596146599]
共創造性分野における相互作用設計に関する研究は比較的少ない。共同創造性研究の主な焦点は、AIの能力である。本稿では、コ・クリーティブ・システムにおけるインタラクション・デザインの重要性と、コ・クレーティブ・フレームワーク・フォー・インタラクション・デザイン(COFI)の開発に焦点をあてる。
論文参考訳（メタデータ） (2022-04-15T22:35:23Z)
Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文参考訳（メタデータ） (2020-07-24T23:35:03Z)
Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
論文参考訳（メタデータ） (2020-06-17T21:02:40Z)
You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。