論文の概要: Improving the State of the Art for Training Human-AI Teams: Technical
Report #1 -- Results of Subject-Matter Expert Knowledge Elicitation Survey
- arxiv url: http://arxiv.org/abs/2309.03211v1
- Date: Tue, 29 Aug 2023 13:42:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-10 03:37:30.991516
- Title: Improving the State of the Art for Training Human-AI Teams: Technical
Report #1 -- Results of Subject-Matter Expert Knowledge Elicitation Survey
- Title（参考訳）: 人間-AIチームのトレーニング技術の改善: 技術報告#1 -- 主観的知識抽出調査の結果
- Authors: James E. McCarthy, Lillian Asiala, LeeAnn Maryeski, Nyla Warren
- Abstract要約: Sonalystsは、人間とAIチームのトレーニングを探求する社内イニシアチブを開始した。
JADC(Joint All-Domain Command and Control)をフォーカスポイントとして使用することにしました。
我々は、JADC2に関連するチーム編成の課題を具体化したSTE開発に関する洞察を得るために、コマンド・アンド・コントロールの経験を持つ多くのSMEに取り組みました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A consensus report produced for the Air Force Research Laboratory by the
National Academies of Sciences, Engineering, and Mathematics documented a
prevalent and increasing desire to support human-Artificial Intelligence (AI)
teaming across military service branches. Sonalysts has begun an internal
initiative to explore the training of human-AI teams. The first step in this
effort is to develop a Synthetic Task Environment (STE) that is capable of
facilitating research on human-AI teams. We decided to use Joint All-Domain
Command and Control (JADC2) as a focus point for developing the STE because the
volume of sensor inputs and decision options within the JADC2 concept likely
requires the use of AI systems to enable timely decisions. Given this focus, we
engaged a number of Subject-Matter Experts (SMEs) with Command and Control
experience to gain insight into developing a STE that embodied the teaming
challenges associated with JADC2. This report documents our initial engagement
with those stakeholders. The research team identified thirteen Sonalysts
employees with military backgrounds and Command and Control experience, and
invited them to participate. Twelve respondents completed the survey. The team
then analyzed the responses to identify themes that emerged and topics that
would benefit from further analysis. The results indicated that our SMEs were
amenable to research using tasks that were analogous to those encountered in
military environments, as long as they required teams to process a great deal
of incoming data to arrive at complex decisions. The SMEs felt that the testbed
should support 'teams of teams" that represented a matrixed organization, and
that it should support a robust array to spoken, text-based, and face-to-face
communications.
- Abstract（参考訳）: 国立科学・工学・数学アカデミーが空軍研究所のために作成したコンセンサス報告書は、軍務部門にまたがる人間の人工知能(AI)を支援したいという願望を文書化した。
Sonalystsは、人間とAIチームのトレーニングを探求する社内イニシアチブを開始した。
この取り組みの最初のステップは、人間-aiチームの研究を促進することができる合成タスク環境(ste)を開発することです。
我々は、JADC2の概念におけるセンサー入力の量と決定オプションが、タイムリーな決定を可能にするためにAIシステムを使用する必要があるため、STEの開発の焦点として、JADC2(Joint All-Domain Command and Control)を使用することを決定した。
この点に注目して、JADC2に関連するチーム編成の課題を具体化したSTE開発に関する洞察を得るため、コマンド・アンド・コントロールの経験を持つ多くのSME(Subject-Matter Experts)に取り組みました。
このレポートは、ステークホルダーとの最初の関わりを文書化しています。
研究チームはソナリストの13人の従業員に軍事的背景と指揮統制の経験があることを特定し、彼らを招待した。
12人の回答者が調査を完了した。
その後、チームは応答を分析して、出現したテーマと、さらなる分析の恩恵を受けるトピックを特定した。
その結果、当社の中小企業は、複雑な決定を下すために大量のデータを処理する必要がある限り、軍事的環境で遭遇したタスクと類似したタスクを使って研究できることがわかった。
SMEは、テストベッドがマトリックス化された組織を表す「チームのチーム」をサポートするべきであり、話し言葉、テキストベース、対面コミュニケーションのための堅牢な配列をサポートするべきだと感じた。
関連論文リスト
- Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [95.96983812740683]
人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である
MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。
本調査では,Embodied AIの最近の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2024-07-09T14:14:47Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - A2C: A Modular Multi-stage Collaborative Decision Framework for Human-AI
Teams [19.91751748232295]
A2Cは、AIチーム内で堅牢な意思決定を可能にするために設計された、多段階の共同決定フレームワークである。
決定における不確実性を認識し、必要な時に人間の専門家を軽視するように訓練されたAIシステムが組み込まれている。
論文 参考訳（メタデータ） (2024-01-25T02:31:52Z) - Improving the State of the Art for Training Human-AI Teams: Technical
Report #3 -- Analysis of Testbed Alternatives [0.0]
Sonalystsは、Human-Artificial Intelligence (AI)チームとのコラボレーションにおける専門知識を拡張するイニシアチブに取り組んでいる。
この研究の基盤として、SonalystsはSynthetic Task Environmentの開発について調査している。
論文 参考訳（メタデータ） (2023-08-29T14:06:30Z) - Improving the State of the Art for Training Human-AI Teams: Technical
Report #2 -- Results of Researcher Knowledge Elicitation Survey [0.0]
ソナリストは、人間-AIチームのトレーニングを探求する社内イニシアチブを開始した。
この取り組みの最初のステップは、人間-AIチームの研究を促進することができるSTE(Synthetic Task Environment)を開発することです。
論文 参考訳（メタデータ） (2023-08-29T13:54:32Z) - Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。
日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。
各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
論文 参考訳（メタデータ） (2023-05-31T17:50:02Z) - Onto4MAT: A Swarm Shepherding Ontology for Generalised Multi-Agent
Teaming [2.9327503320877457]
我々は、Swarm AIがその環境とシステムについて推論できる形式的な知識表現設計を提供する。
我々は,人間とチーム間のより効果的なチーム編成を実現するために,Ontology for Generalized Multi-Agent Teaming(Onto4MAT)を提案する。
論文 参考訳（メタデータ） (2022-03-24T09:36:50Z) - An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。
インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
論文 参考訳（メタデータ） (2022-03-08T15:46:52Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-11-01T17:57:04Z) - Explaining decisions made with AI: A workbook (Use case 1: AI-assisted
recruitment tool) [0.0]
Alan Turing Institute(アラン・チューリング研究所)と情報コミッショナーズ・オフィス(情報コミッショナーズ・オフィス)が協力して、説明可能なAIを取り巻く困難な問題に取り組んでいる。
この共同作業の最終的な成果である、2020年5月に公開されたAIによる説明的決定は、これまででもっとも包括的なAI説明の実践的ガイダンスである。
ワークブックの目標は、AIによる意思決定の説明からいくつかの主要なテーマを要約し、ワークショップのエクササイズのための材料を提供することだ。
論文 参考訳（メタデータ） (2021-03-20T17:03:50Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。