論文の概要: Artificial Intelligence for Health Message Generation: Theory, Method,
and an Empirical Study Using Prompt Engineering
- arxiv url: http://arxiv.org/abs/2212.07507v1
- Date: Wed, 14 Dec 2022 21:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 16:33:08.470093
- Title: Artificial Intelligence for Health Message Generation: Theory, Method,
and an Empirical Study Using Prompt Engineering
- Title(参考訳): 健康メッセージ生成のための人工知能:プロンプト工学を用いた理論・方法・実証的研究
- Authors: Sue Lim (1), Ralf Schm\"alzle (1) ((1) Michigan State University)
- Abstract要約: 本研究では、健康意識メッセージを生成するAIシステムの可能性を紹介し、検討する。
妊娠中に重要なビタミンである葉酸は、検査ケースとして機能する。
私たちは認識を高めるためにメッセージを生成し、それをリツイートされた人間生成メッセージと比較しました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study introduces and examines the potential of an AI system to generate
health awareness messages. The topic of folic acid, a vitamin that is critical
during pregnancy, served as a test case. Using prompt engineering, we generated
messages that could be used to raise awareness and compared them to retweeted
human-generated messages via computational and human evaluation methods. The
system was easy to use and prolific, and computational analyses revealed that
the AI-generated messages were on par with human-generated ones in terms of
sentiment, reading ease, and semantic content. Also, the human evaluation study
showed that AI-generated messages ranked higher in message quality and clarity.
We discuss the theoretical, practical, and ethical implications of these
results.
- Abstract(参考訳): 本研究では、健康意識メッセージを生成するAIシステムの可能性を紹介し、検討する。
妊娠中に重要なビタミンである葉酸がテストケースとして使用された。
素早いエンジニアリングを用いて、認識を高めるのに使えるメッセージを生成し、それを計算と人的評価の手法でリツイートした人間生成メッセージと比較した。
システムは使いやすく、多用され、計算分析により、AIが生成したメッセージは感情、読みやすさ、セマンティックな内容の点で人間生成メッセージと同等であることが判明した。
また、人間による評価の結果、AIが生成したメッセージはメッセージの品質と明瞭度が高いことがわかった。
これらの結果の理論的,実践的,倫理的意味について論じる。
関連論文リスト
- The effect of source disclosure on evaluation of AI-generated messages:
A two-part study [0.0]
情報源開示がAIによる健康被害防止メッセージの評価に与える影響について検討した。
情報源の開示はメッセージの評価に大きな影響を及ぼすが、メッセージのランキングを大きく変更することはなかった。
AIに対する否定的な態度の適度なレベルを持つ人にとっては、ソース開示はAI生成メッセージの嗜好を減らした。
論文 参考訳(メタデータ) (2023-11-27T05:20:47Z) - Towards Possibilities & Impossibilities of AI-generated Text Detection:
A Survey [97.33926242130732]
大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。
これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。
これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
論文 参考訳(メタデータ) (2023-10-23T18:11:32Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳(メタデータ) (2022-12-08T23:23:39Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳(メタデータ) (2022-04-11T14:36:39Z) - Quality Metrics for Transparent Machine Learning With and Without Humans
In the Loop Are Not Correlated [0.0]
心理物理学の手法を用いて,解釈可能なコンピュータビジョンアルゴリズムの品質について検討する。
この結果から,心理物理学的な実験により,機械学習における透明性の堅牢な品質評価が可能であることが示唆された。
論文 参考訳(メタデータ) (2021-07-01T12:30:51Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳(メタデータ) (2021-06-15T12:25:30Z) - Watershed of Artificial Intelligence: Human Intelligence, Machine
Intelligence, and Biological Intelligence [0.2580765958706853]
本稿は,23年前に提案された1回学習機構と,それに続く画像分類におけるワンショット学習の成功をレビューする。
AIは、人工知能(AHI)、人工知能(AMI)、および人工知能(ABI)の3つのカテゴリに明確に分割されるべきである。
論文 参考訳(メタデータ) (2021-04-27T13:03:25Z) - Human Evaluation of Interpretability: The Case of AI-Generated Music
Knowledge [19.508678969335882]
我々は、芸術と人文科学におけるAIが発見する知識/ルールを評価することに注力する。
本稿では,洗練された記号的/数値的対象として表現されたAI生成音楽理論/ルールの人間生成言語解釈を収集し,評価する実験手法を提案する。
論文 参考訳(メタデータ) (2020-04-15T06:03:34Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳(メタデータ) (2020-03-23T14:55:00Z) - 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。