論文の概要: A Task-Interdependency Model of Complex Collaboration Towards Human-Centered Crowd Work

• arxiv url: http://arxiv.org/abs/2309.00160v1
• Date: Thu, 31 Aug 2023 22:37:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 15:01:22.367488
• Title: A Task-Interdependency Model of Complex Collaboration Towards Human-Centered Crowd Work
• Title（参考訳）: 人間中心型集団作業に対する複雑な協調作業のタスク相互依存モデル
• Authors: David T. Lee and Christos A. Makridis
• Abstract要約: 我々は、相互依存を中心としたモデルを提示し、これはコラボレーションの核心にあるとよく理解されている現象である。 我々は、複雑な協調作業のスケールアップ、専門家の重要さの明確化、調整力と職業賃金の関係について説明する。
• 参考スコア（独自算出の注目度）: 0.5439020425818999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Models of crowdsourcing and human computation often assume that individuals independently carry out small, modular tasks. However, while these models have successfully shown how crowds can accomplish significant objectives, they can inadvertently advance a less than human view of crowd workers and fail to capture the unique human capacity for complex collaborative work. We present a model centered on interdependencies -- a phenomenon well understood to be at the core of collaboration -- that allows one to formally reason about diverse challenges to complex collaboration. Our model represents tasks as an interdependent collection of subtasks, formalized as a task graph. We use it to explain challenges to scaling complex collaborative work, underscore the importance of expert workers, reveal critical factors for learning on the job, and explore the relationship between coordination intensity and occupational wages. Using data from O*NET and the Bureau of Labor Statistics, we introduce an index of occupational coordination intensity to validate our theoretical predictions. We present preliminary evidence that occupations with greater coordination intensity are less exposed to displacement by AI, and discuss opportunities for models that emphasize the collaborative capacities of human workers, bridge models of crowd work and traditional work, and promote AI in roles augmenting human collaboration.
• Abstract（参考訳）: クラウドソーシングとヒューマン計算のモデルは、個人が独立して小さなモジュラータスクを実行すると仮定することが多い。 しかし、これらのモデルでは、群衆が重要な目的を達成する方法が示されていますが、群衆労働者の人間的視点よりも、不注意に前進し、複雑な協調作業のためのユニークな人間の能力を捉えられません。 私たちは、複雑なコラボレーションのために、さまざまな課題を形式的に推論できる、相互依存(interdependencies)、すなわちコラボレーションの核となる現象に焦点を当てたモデルを提示します。 我々のモデルはタスクをタスクグラフとして形式化したサブタスクの相互依存的なコレクションとして表現する。 複雑なコラボレーション作業のスケールアップ、専門家の重要性の強調、仕事の学習に重要な要因を明らかにし、コーディネーションの強度と労働賃金の関係を探求するために使用します。 そこで,o*netと労働統計局のデータを用いて作業調整強度の指標を導入し,理論的な予測を検証する。 本稿では,AIによる配位力の低下による労働力の低下を予見し,人間労働者の協調能力を強調するモデル,群衆作業のブリッジモデル,伝統的な作業の機会を論じるとともに,AIが人間の協力を促進する役割を担っていることを示す。

関連論文リスト

• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• MultiAgent Collaboration Attack: Investigating Adversarial Attacks in Large Language Model Collaborations via Debate [24.92465108034783]
  大規模言語モデル(LLM)は、個別に作業する場合に、現在のベンチマークで例外的な結果を示す。 パラメータサイズと推論時間の短縮とともに、それらの能力の進歩は、これらのモデルをエージェントとしての使用を促進する。 敵の影響下での議論を通じて協調するモデルのネットワークの挙動を評価する。
  論文  参考訳（メタデータ） (2024-06-20T20:09:37Z)
• Scaling Large-Language-Model-based Multi-Agent Collaboration [75.5241464256688]
  大規模言語モデルによるエージェントのパイオニア化は、マルチエージェントコラボレーションの設計パターンを暗示している。 神経スケーリング法則に触発された本研究では,マルチエージェント協調におけるエージェントの増加に類似の原理が適用されるかを検討する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Online Learning of Human Constraints from Feedback in Shared Autonomy [25.173950581816086]
  人間とのリアルタイムなコラボレーションは、様々な物理的制約によって生じる人間の行動パターンが異なるため、課題を提起する。 我々は、異なる人間のオペレータの多様な振る舞いを考慮した人間の制約モデルを学ぶ。 本研究では,人間の身体的制約を学習し,適応できる補助エージェントを提案する。
  論文  参考訳（メタデータ） (2024-03-05T13:53:48Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• Efficient Human-AI Coordination via Preparatory Language-based Convention [17.840956842806975]
  既存の人間とAIの調整方法は、エージェントに様々なポリシーや実際の人間のデータに適合した人間のモデルと調整するように訓練するのが一般的である。 我々は、人間とAIの両方を効果的に導くアクションプランを開発するために、大規模言語モデル(LLM)を採用することを提案する。 提案手法は,ヒトの嗜好との整合性が向上し,平均性能が15%向上した。
  論文  参考訳（メタデータ） (2023-11-01T10:18:23Z)
• Increased Complexity of a Human-Robot Collaborative Task May Increase the Need for a Socially Competent Robot [0.0]
  本研究では,タスクの複雑さがロボットパートナーの認知と受容にどのように影響するかを検討する。 本稿では,人間による障害物回避ロボット制御モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-11T11:43:27Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)

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。