論文の概要: Is AI the better programming partner? Human-Human Pair Programming vs.
Human-AI pAIr Programming
- arxiv url: http://arxiv.org/abs/2306.05153v1
- Date: Thu, 8 Jun 2023 12:22:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 14:25:37.201144
- Title: Is AI the better programming partner? Human-Human Pair Programming vs.
Human-AI pAIr Programming
- Title（参考訳）: AIはより良いプログラミングパートナーか?
人間-人間ペアプログラミング対人間-AI pAIrプログラミング
- Authors: Qianou (Christina) Ma, Tongshuang Wu, Kenneth Koedinger
- Abstract要約: 我々は、人間とAIのペアプログラミングを比較し、その類似点と相互作用、測定、利益、課題の違いを探求する。
両手法の有効性は文献に混在していることが判明した。
pAIrプログラミング研究の機会を提供する人間対プログラミングの成功要因を要約する。
- 参考スコア（独自算出の注目度）: 18.635201328291597
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The emergence of large-language models (LLMs) that excel at code generation
and commercial products such as GitHub's Copilot has sparked interest in
human-AI pair programming (referred to as "pAIr programming") where an AI
system collaborates with a human programmer. While traditional pair programming
between humans has been extensively studied, it remains uncertain whether its
findings can be applied to human-AI pair programming. We compare human-human
and human-AI pair programming, exploring their similarities and differences in
interaction, measures, benefits, and challenges. We find that the effectiveness
of both approaches is mixed in the literature (though the measures used for
pAIr programming are not as comprehensive). We summarize moderating factors on
the success of human-human pair programming, which provides opportunities for
pAIr programming research. For example, mismatched expertise makes pair
programming less productive, therefore well-designed AI programming assistants
may adapt to differences in expertise levels.
- Abstract（参考訳）: GitHubのCopilotのようなコード生成と商用製品に優れた大規模言語モデル(LLM)の出現は、AIシステムが人間のプログラマと協力する、人間とAIのペアプログラミング("pAIr programming"と呼ばれる)への関心を喚起した。
人間同士のペアプログラミングは広く研究されているが、その発見が人間とAIのペアプログラミングに適用できるかどうかは不明である。
我々は、人間とAIのペアプログラミングを比較し、その類似点と相互作用、測定、利益、課題の違いを探求する。
両方のアプローチの有効性は、文献に混ざっている(ペアプログラミングに使用される尺度は、それほど包括的ではない)。
pAIrプログラミング研究の機会を提供する人間と人間のペアプログラミングの成功に関する調整因子を要約する。
例えば、ミスマッチした専門知識はペアプログラミングの生産性を低下させるため、よく設計されたAIプログラミングアシスタントは専門知識のレベルの違いに適応する可能性がある。
関連論文リスト
- Shifting the Human-AI Relationship: Toward a Dynamic Relational Learning-Partner Model [0.0]
我々は、人間との対話から学ぶ学生に似た、AIを学習パートナーとして見ることへのシフトを提唱する。
我々は「第三の心」が人間とAIの協力関係を通して生まれることを示唆する。
論文 参考訳（メタデータ） (2024-10-07T19:19:39Z) - Rethinking Software Engineering in the Foundation Model Era: From Task-Driven AI Copilots to Goal-Driven AI Pair Programmers [30.996760992473064]
我々は,人間開発者と協調する目標駆動型AI駆動ペアプログラマへのパラダイムシフトを提案する。
目標駆動、人間パートナー、SE認識、自己学習のAIペアプログラマを想定する。
論文 参考訳（メタデータ） (2024-04-16T02:10:20Z) - The Rise of the AI Co-Pilot: Lessons for Design from Aviation and Beyond [22.33734581699234]
我々は、AIが単なるツールではなく、人間の指導の下で働く共同パイロットと見なされるパラダイムを提唱する。
本稿では,AIパートナーシップにおけるアクティブな人間の関与,制御,スキル向上を重視したデザインアプローチを提案する。
論文 参考訳（メタデータ） (2023-11-16T13:58:15Z) - Applying HCAI in developing effective human-AI teaming: A perspective
from human-AI joint cognitive systems [10.746728034149989]
研究と応用は、AIシステムを開発するための新しいパラダイムとして、HAT(Human-AI Teaming)を使用している。
我々は,人間とAIの協調認知システム(HAIJCS)の概念的枠組みについて詳しく検討する。
本稿では,HATを表現・実装するためのヒューマンAI共同認知システム(HAIJCS)の概念的枠組みを提案する。
論文 参考訳（メタデータ） (2023-07-08T06:26:38Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - The centaur programmer -- How Kasparov's Advanced Chess spans over to
the software development of the future [0.0]
我々は、人間とAIの協調的アプローチがAI単独よりも効果的であるという前提に基づいて、Centaur Programmerのアイデアを紹介します。
本稿では、ガイダンスモデル、スケッチモデル、反転制御モデルなど、AIと共にプログラミングのためのいくつかの協調モデルを紹介する。
論文 参考訳（メタデータ） (2023-04-21T14:20:38Z) - 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) - 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) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z) - Joint Inference of States, Robot Knowledge, and Human (False-)Beliefs [90.20235972293801]
本稿では,人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)の認知能力が,ロボットとの相互作用にどのように影響するかを理解するために,対象状態,ロボット知識,人間(時間的)の認知能力の表現にグラフィカルモデルを採用することを提案する。
推論アルゴリズムは、複数のビューにまたがる全てのロボットから個別のpgを融合し、単一のビューから発生したエラーを克服するより効果的な推論能力を得る。
論文 参考訳（メタデータ） (2020-04-25T23:02:04Z)
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。