論文の概要: Team Learning as a Lens for Designing Human-AI Co-Creative Systems
- arxiv url: http://arxiv.org/abs/2207.02996v1
- Date: Wed, 6 Jul 2022 22:11:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 13:58:36.426806
- Title: Team Learning as a Lens for Designing Human-AI Co-Creative Systems
- Title（参考訳）: ヒューマンAI協調システム設計用レンズとしてのチームラーニング
- Authors: Frederic Gmeiner, Kenneth Holstein, Nikolas Martelaro
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.24664973838839
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative, ML-driven interactive systems have the potential to change how
people interact with computers in creative processes - turning tools into
co-creators. However, it is still unclear how we might achieve effective
human-AI collaboration in open-ended task domains. There are several known
challenges around communication in the interaction with ML-driven systems. An
overlooked aspect in the design of co-creative systems is how users can be
better supported in learning to collaborate with such systems. Here we reframe
human-AI collaboration as a learning problem: Inspired by research on team
learning, we hypothesize that similar learning strategies that apply to
human-human teams might also increase the collaboration effectiveness and
quality of humans working with co-creative generative systems. In this position
paper, we aim to promote team learning as a lens for designing more effective
co-creative human-AI collaboration and emphasize collaboration process quality
as a goal for co-creative systems. Furthermore, we outline a preliminary
schematic framework for embedding team learning support in co-creative AI
systems. We conclude by proposing a research agenda and posing open questions
for further study on supporting people in learning to collaborate with
generative AI systems.
- Abstract（参考訳）: 生成的でml駆動のインタラクティブシステムは、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を秘めている。
しかし,オープンエンドタスク領域において,効果的な人間とAIの連携が実現されるのかは,いまだ不明である。
ml駆動システムとの通信には、いくつかの既知の課題がある。
共同創造システムの設計において見過ごされている側面は、ユーザーがこのようなシステムとコラボレーションするために学習をより良くサポートできる方法である。
ここでは、人間とaiのコラボレーションを学習問題として再編成する: チーム学習の研究に触発され、人間と人間のチームに適用する類似の学習戦略が、共同創造的な生成システムで作業する人間のコラボレーション効率と品質を高めるかもしれないと仮定する。
本稿では,より効果的な人間とAIのコラボレーションを設計するためのレンズとして,チーム学習を推進し,共同創造システムの目標として協調プロセスの品質を強調することを目的とする。
さらに、共同創造型AIシステムにチーム学習サポートを組み込むための予備的なスキーマフレームワークについて概説する。
我々は、研究課題を提案し、創造的なAIシステムと協調する学習における人々を支援するためのさらなる研究のためにオープンな質問をする。
関連論文リスト
- Beyond Following: Mixing Active Initiative into Computational Creativity [7.366868731714772]
本研究では,アクティブで学習的なAIエージェントが創造的責任を期待する創造者に与える影響について検討する。
我々は、人間から学習し、協調的な意思決定の信念を更新し、その能力の切り替えを行うマルチアームバンドエージェントを開発する。
論文 参考訳（メタデータ） (2024-09-06T18:56:08Z) - Building Machines that Learn and Think with People [72.40300991089445]
我々は、協調認知の科学が、本当に思考パートナーと呼ばれることのできるエンジニアシステムにどのように機能するかを示す。
我々は、人間とAIの思考パートナーが協力し、人間と互換性のある思考パートナーシップのためのデシダータを提案できる、協力的思考のいくつかのモードを配置した。
論文 参考訳（メタデータ） (2024-07-22T02:42:45Z) - Grasping AI: experiential exercises for designers [8.95562850825636]
本稿では,AIシステムにおけるインタラクション・アベイランス,ユニークなリレーショナル可能性,より広範な社会的影響を探求し,考察する手法について検討する。
比喩や制定に関する演習は、トレーニングや学習、プライバシーと同意、自律性、エージェンシーをより具体的になる。
論文 参考訳（メタデータ） (2023-10-02T15:34:08Z) - Human Decision Makings on Curriculum Reinforcement Learning with
Difficulty Adjustment [52.07473934146584]
我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。
本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。
強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
論文 参考訳（メタデータ） (2022-08-04T23:53:51Z) - 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) - Identifying Ethical Issues in AI Partners in Human-AI Co-Creation [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。
多くの既存のコクリエイティブシステムでは、ユーザーはボタンやスライダーを使用してAIと通信する。
本稿では,AIと人間のコミュニケーションが共同創造システムにおけるユーザ認識とエンゲージメントに与える影響について考察する。
論文 参考訳（メタデータ） (2022-04-15T20:41:54Z) - Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。
データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
論文 参考訳（メタデータ） (2021-10-03T21:47:13Z) - 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) - 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) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。