論文の概要: The System Model and the User Model: Exploring AI Dashboard Design
- arxiv url: http://arxiv.org/abs/2305.02469v1
- Date: Thu, 4 May 2023 00:22:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 17:36:01.663916
- Title: The System Model and the User Model: Exploring AI Dashboard Design
- Title(参考訳): システムモデルとユーザモデル:AIダッシュボード設計の探求
- Authors: Fernanda Vi\'egas and Martin Wattenberg
- Abstract要約: 高度なAIシステムは、他の複雑なデバイスと同じようにダッシュボードを持つべきだ、と私たちは主張する。
多くのシステムにおいて、最も重要な2つのモデルはユーザーとシステム自体のものであると推測する。
これら2つのモデルを識別し、解釈し、表示する方法を見つけることは、AIのためのインターフェース研究のコア部分であるべきです。
- 参考スコア(独自算出の注目度): 79.81291473899591
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This is a speculative essay on interface design and artificial intelligence.
Recently there has been a surge of attention to chatbots based on large
language models, including widely reported unsavory interactions. We contend
that part of the problem is that text is not all you need: sophisticated AI
systems should have dashboards, just like all other complicated devices.
Assuming the hypothesis that AI systems based on neural networks will contain
interpretable models of aspects of the world around them, we discuss what data
such dashboards might display. We conjecture that, for many systems, the two
most important models will be of the user and of the system itself. We call
these the System Model and User Model. We argue that, for usability and safety,
interfaces to dialogue-based AI systems should have a parallel display based on
the state of the System Model and the User Model. Finding ways to identify,
interpret, and display these two models should be a core part of interface
research for AI.
- Abstract(参考訳): これはインターフェース設計と人工知能に関する投機的なエッセイです。
近年,大きな言語モデルに基づくチャットボットへの注目が高まっている。
高度なAIシステムは、他のすべての複雑なデバイスと同じように、ダッシュボードを持つべきです。
ニューラルネットワークに基づくaiシステムは、周囲の世界の解釈可能なモデルを含むという仮説を仮定し、このようなダッシュボードが表示するデータについて論じる。
多くのシステムにとって、最も重要な2つのモデルはユーザーとシステム自体のものであると推測する。
これをシステムモデルとユーザモデルと呼びます。
ユーザビリティと安全性のために、対話型AIシステムへのインタフェースは、システムモデルとユーザモデルの状態に基づく並列ディスプレイを持つべきである、と我々は主張する。
これら2つのモデルを識別し、解釈し、表示する方法を見つけることは、AIのためのインターフェース研究のコア部分であるべきです。
関連論文リスト
- Prompt-to-OS (P2OS): Revolutionizing Operating Systems and
Human-Computer Interaction with Integrated AI Generative Models [10.892991111926573]
本稿では,従来のオペレーティングシステムの概念に革命をもたらす,人間とコンピュータのインタラクションのためのパラダイムを提案する。
この革新的なフレームワークでは、マシンに発行されるユーザリクエストは、生成AIモデルの相互接続エコシステムによって処理される。
このビジョンの概念は、プライバシ、セキュリティ、信頼性、生成モデルの倫理的利用など、重要な課題を提起する。
論文 参考訳(メタデータ) (2023-10-07T17:16:34Z) - RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic
Control [140.48218261864153]
本研究では,インターネット規模のデータに基づいて学習した視覚言語モデルを,エンドツーエンドのロボット制御に直接組み込む方法について検討する。
提案手法は,インターネット規模のトレーニングから,RT-2による創発的能力の獲得を可能にした。
論文 参考訳(メタデータ) (2023-07-28T21:18:02Z) - Grounded Decoding: Guiding Text Generation with Grounded Models for
Embodied Agents [111.15288256221764]
グラウンデッドデコーディングプロジェクトは、両方のモデルの知識を活用することで、ロボット環境で複雑な長期タスクを解決することを目的としている。
我々はこれを確率的フィルタリングに類似した問題として、言語モデルの下で高い確率を持つシーケンスをデコードし、基底モデル対象のセットで高い確率を示す。
本研究では,3つのシミュレーション領域と実世界の領域にまたがって,そのような基底モデルがどのように得られるのかを実証し,両モデルの知識を活用して,ロボット環境での複雑な長期的タスクを解くことができることを示す。
論文 参考訳(メタデータ) (2023-03-01T22:58:50Z) - Choose, not Hoard: Information-to-Model Matching for Artificial
Intelligence in O-RAN [8.52291735627073]
Open Radio Access Network (O-RAN) は、ネットワーク基盤要素がオープンで標準化されたインターフェースを介して通信する新興パラダイムである。
重要な要素は、人工知能(AI)ベースのコントローラであるRAN Intelligent Controller(RIC)である。
本稿では、異なるRICにおける複数のAIモデルインスタンスの作成について紹介し、議論し、評価し、トレーニングのためにいくつかの(またはすべての)場所の情報を活用する。
論文 参考訳(メタデータ) (2022-08-01T15:24:27Z) - GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。
GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
論文 参考訳(メタデータ) (2021-10-19T18:07:07Z) - The R-U-A-Robot Dataset: Helping Avoid Chatbot Deception by Detecting
User Questions About Human or Non-Human Identity [41.43519695929595]
システムデザイナがシステムに対して,その人間以外のアイデンティティを確認できるようにする方法を理解することを目的としている。
ロボットの意図にまつわる2500以上のフレーズを集めていますか?
分類器を比較して、意図を認識し、精度/リコールとモデルの複雑さのトレードオフについて議論する。
論文 参考訳(メタデータ) (2021-06-04T20:04:33Z) - Scholarly AI system diagrams as an access point to mental models [6.233820957059352]
人工知能(AI)システムのような複雑なシステムは、多くの相互関連コンポーネントで構成されている。
これらのシステムを表現するためには、コンポーネント間の関係を示すことが不可欠です。
図は「関係のアイコン」として、複雑なシステムを示すための一般的な媒体です。
論文 参考訳(メタデータ) (2021-04-30T07:55:18Z) - The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。
スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。
我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
論文 参考訳(メタデータ) (2020-08-28T10:59:31Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳(メタデータ) (2020-06-15T13:59:47Z) - What Would You Ask the Machine Learning Model? Identification of User
Needs for Model Explanations Based on Human-Model Conversations [5.802346990263708]
本研究は,対話的かつ反復的な対話探索から人間の操作者のニーズを予測モデルから収集するために,会話システムを用いた最初の試みである。
我々は、タイタニック号の生存確率を予測するために訓練された機械学習モデルについて話すためにDr_antを開発した。
1000以上の対話のコーパスを収集した上で、ユーザが聞きたいと思う最も一般的な質問を分析します。
論文 参考訳(メタデータ) (2020-02-07T15:59:49Z)
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。