論文の概要: Human-AI communication for human-human communication: Applying
interpretable unsupervised anomaly detection to executive coaching
- arxiv url: http://arxiv.org/abs/2206.10987v1
- Date: Wed, 22 Jun 2022 11:32:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-23 15:27:10.118833
- Title: Human-AI communication for human-human communication: Applying
interpretable unsupervised anomaly detection to executive coaching
- Title（参考訳）: ヒューマン・ヒューマンコミュニケーションのためのヒューマン・AIコミュニケーション : 教師なし異常検出のエグゼクティブコーチングへの応用
- Authors: Riku Arakawa, Hiromu Yakura
- Abstract要約: 本稿では,AIに基づく対話システム構築における教師なし異常検出の適用の可能性について論じる。
このアプローチの鍵となる考え方は、専門家のコーチがオープンな解釈を解き放つ余地を残すことです。
このアプローチの適用性は他の領域で検証されるべきですが、教師なしの異常検出を利用してAIベースの対話システムを構築するというアイデアは、人間とAIのコミュニケーションの別の方向に光を当てるでしょう。
- 参考スコア（独自算出の注目度）: 33.88509725285237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we discuss the potential of applying unsupervised anomaly
detection in constructing AI-based interactive systems that deal with highly
contextual situations, i.e., human-human communication, in collaboration with
domain experts. We reached this approach of utilizing unsupervised anomaly
detection through our experience of developing a computational support tool for
executive coaching, which taught us the importance of providing interpretable
results so that expert coaches can take both the results and contexts into
account. The key idea behind this approach is to leave room for expert coaches
to unleash their open-ended interpretations, rather than simplifying the nature
of social interactions to well-defined problems that are tractable by
conventional supervised algorithms. In addition, we found that this approach
can be extended to nurturing novice coaches; by prompting them to interpret the
results from the system, it can provide the coaches with educational
opportunities. Although the applicability of this approach should be validated
in other domains, we believe that the idea of leveraging unsupervised anomaly
detection to construct AI-based interactive systems would shed light on another
direction of human-AI communication.
- Abstract（参考訳）: 本稿では,高度に文脈的な状況,すなわち人間と人間のコミュニケーションを扱うAIベースの対話システムを構築する際に,教師なしの異常検出を適用する可能性について論じる。
我々は,経営指導のための計算支援ツールを開発する経験から,教師なしの異常検出を利用するこのアプローチに到達し,専門家のコーチが結果と文脈の両方を考慮に入れられるように,解釈可能な結果を提供することの重要性を教えてくれた。
このアプローチの鍵となる考え方は、従来の教師付きアルゴリズムで抽出可能な問題に対する社会的相互作用の性質を単純化するのではなく、専門家のコーチがオープンな解釈を解き放つ余地を残すことである。
さらに,本手法は初級コーチの育成にも適用でき,システムから結果の解釈を促すことで,コーチに教育的機会を与えることができることがわかった。
このアプローチの適用性は他の領域で検証されるべきですが、教師なしの異常検出を利用してAIベースの対話システムを構築するというアイデアは、人間とAIのコミュニケーションの別の方向に光を当てるでしょう。
関連論文リスト
- Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。
我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。
また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文 参考訳（メタデータ） (2024-02-21T13:19:58Z) - Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review [6.013543974938446]
意思決定支援システムにおける人工知能の活用は、技術的進歩に不相応に焦点を合わせてきた。
人間中心の視点は、既存のプロセスとのシームレスな統合のためにAIソリューションを設計することで、この懸念を緩和しようとする。
論文 参考訳（メタデータ） (2023-10-30T17:46:38Z) - Improving Grounded Language Understanding in a Collaborative Environment
by Interacting with Agents Through Help Feedback [42.19685958922537]
我々は、人間とAIのコラボレーションは対話的であり、人間がAIエージェントの作業を監視し、エージェントが理解し活用できるフィードバックを提供するべきだと論じている。
本研究では, IGLUコンペティションによって定義された課題である, マイニングクラフトのような世界における対話型言語理解タスクを用いて, これらの方向を探索する。
論文 参考訳（メタデータ） (2023-04-21T05:37:59Z) - BO-Muse: A human expert and AI teaming framework for accelerated
experimental design [58.61002520273518]
我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。
我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
論文 参考訳（メタデータ） (2023-03-03T02:56:05Z) - Multi-AI Complex Systems in Humanitarian Response [0.0]
比較的単純な現実世界の人道的応答シナリオにおいても、マルチAIシステムがいかにして発生しうるかを説明し、潜在的に創発的で不正な行動を引き起こす。
本論文は、人道的対応の分野におけるこのトピックに関する最初の展示として、意識を高め、このドメインの展望を探究し、より広いコミュニティにおける今後の仕事の出発点を提供するように設計されている。
論文 参考訳（メタデータ） (2022-08-24T03:01:21Z) - Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。
提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
論文 参考訳（メタデータ） (2022-04-29T20:35:07Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳（メタデータ） (2022-03-19T03:22:57Z) - An Interactive Explanatory AI System for Industrial Quality Control [0.8889304968879161]
我々は,ループ間対話型アプローチに向けて,欠陥検出タスクを拡張することを目的としている。
本稿では,産業品質管理環境における分類のための対話型支援システムを提案する。
論文 参考訳（メタデータ） (2022-03-17T09:04:46Z) - Deep Interpretable Models of Theory of Mind For Human-Agent Teaming [0.7734726150561086]
我々は、他の観測対象の意図をモデル化するための解釈可能なモジュラー・ニューラル・フレームワークを開発する。
Minecraftの検索および救助タスクで、人間の参加者のデータに関する実験を行い、アプローチの有効性を実証します。
論文 参考訳（メタデータ） (2021-04-07T06:18:58Z) - 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。