論文の概要: Improving the State of the Art for Training Human-AI Teams: Technical
Report #2 -- Results of Researcher Knowledge Elicitation Survey
- arxiv url: http://arxiv.org/abs/2309.03212v1
- Date: Tue, 29 Aug 2023 13:54:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-10 03:38:03.287141
- Title: Improving the State of the Art for Training Human-AI Teams: Technical
Report #2 -- Results of Researcher Knowledge Elicitation Survey
- Title（参考訳）: 人間-AIチームトレーニングの最先端化:技術報告 #2 -- 研究者知識抽出調査の結果
- Authors: James E. McCarthy, Lillian Asiala, LeeAnn Maryeski, Dawn Sillars
- Abstract要約: 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。
- 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 (AFRL) 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. Our goal is to create a STE that
offers a task environment that could support the breadth of research that
stakeholders plan to perform within this domain. As a result, we wanted to
sample the priorities of the relevant research community broadly, and the
effort documented in this report is our initial attempt to do so. We created a
survey that featured two types of questions. The first asked respondents to
report their agreement with STE features that we anticipated might be
important. The second represented open-ended questions that asked respondents
to specify their priorities within several dimensions of the anticipated STE.
The research team invited nineteen researchers from academic and Government
labs to participate, and 11 were able to complete the survey. The team analyzed
their responses to identify themes that emerged and topics that would benefit
from further analysis. The most significant finding of the survey was that a
number of researchers felt that various open-source STEs that would meet our
needs already exist. Researchers also emphasized the need for automated
transcription and coding tools to ease the burden of assessing inter-team
communications; the importance of robust data capture and export capabilities;
and the desirability of extensive flexibility across many aspects of the tool.
- Abstract（参考訳）: 米国科学・工学・数学アカデミーによる空軍研究所(AFRL)のコンセンサス報告書では、軍務部門にまたがる人間・芸術知能(AI)を支援したいという願望が文書化されている。
sonalystsは、人間-aiチームのトレーニングを探求する社内活動を開始した。
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。
私たちのゴールは、ステークホルダーがこの領域内で実行しようとしている研究の広さをサポートするタスク環境を提供するSTEを作ることです。
その結果、関係研究コミュニティの優先順位を広く分析したいと考えており、本報告書に記載されている取り組みは、最初の試みである。
私たちは2種類の質問を取り上げた調査を作成しました。
最初は、私たちが期待していたSTE機能との合意を報告するよう、回答者に頼んだ。
2つ目の質問は、予想されるSTEのいくつかの範囲内で、回答者に優先順位を指定するよう求めたオープンエンドの質問であった。
研究チームは学術研究所と政府研究所から19人の研究者を招き、11人が調査を完了した。
チームは回答を分析して、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。
この調査の最も重要な発見は、多くの研究者が、私たちのニーズに合致するさまざまなオープンソースsteが存在すると感じたことです。
研究者はまた、チーム間コミュニケーションの評価の負担を軽減するために、自動転写とコーディングツールの必要性、堅牢なデータキャプチャとエクスポート能力の重要性、ツールの多くの側面にまたがる広範な柔軟性の願望を強調した。
関連論文リスト
- Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
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) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳（メタデータ） (2024-04-09T15:01:51Z) - 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 #1 -- Results of Subject-Matter Expert Knowledge Elicitation Survey [0.0]
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。
論文 参考訳（メタデータ） (2023-08-29T13:42:52Z) - Milestones in Autonomous Driving and Intelligent Vehicles: Survey of
Surveys [71.28049144033773]
自律運転(AD)とインテリジェント車(IV)の総合技術を対象としたサーベイス(SoS)を提案する。
この記事は、ADとIVsのマイルストーンを持つ最初のSoSであり、他の2つの技術調査とともに、我々の完全な研究作業を構成します。
論文 参考訳（メタデータ） (2023-03-30T08:31:22Z) - Engaging with Researchers and Raising Awareness of FAIR and Open Science
through the FAIR+ Implementation Survey Tool (FAIRIST) [0.0]
FAIRに関する論文が発表されてから6年後、研究者はまだFAIRの実装方法を理解するのに苦労している。
FAIR+実装調査ツール(FAIRIST)は、研究要件と研究提案を体系的な方法で統合することで問題を緩和する。
論文 参考訳（メタデータ） (2023-01-17T22:38:30Z) - Researching Alignment Research: Unsupervised Analysis [14.699455652461726]
AIアライメント研究は、人工知能(AI)が人間に利益をもたらすことを保証することを目的としている。
このプロジェクトでは、既存のAIアライメント研究を収集、分析した。
フィールドは急速に成長しており、いくつかのサブフィールドが平行して出現している。
論文 参考訳（メタデータ） (2022-06-06T18:24:17Z) - Towards a Science of Human-AI Decision Making: A Survey of Empirical
Studies [22.214709837295906]
AI支援による人間の意思決定を強化する研究コミュニティへの関心が高まっている。
人間-AI意思決定の新たな分野は、人間がAIとどのように相互作用し、どのように働くかに関する基礎的な理解を形成するための経験的アプローチを取り入れなければならない。
論文 参考訳（メタデータ） (2021-12-21T19:00:02Z) - Wizard of Search Engine: Access to Information Through Conversations
with Search Engines [58.53420685514819]
我々は3つの側面からCISの研究を促進するために努力している。
目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。
検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
論文 参考訳（メタデータ） (2021-05-18T06:35:36Z) - 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) - Conversations with Documents. An Exploration of Document-Centered
Assistance [55.60379539074692]
例えば、個人が文書をすばやくレビューするのを助けるドキュメント中心の支援は、あまり進歩していない。
我々は,文書中心の支援の空間と,人々がこのシナリオで期待する能力を理解するための調査を行う。
a) 文書中心の質問を正確に検出でき、(b) そうした質問に答えるために合理的に正確なモデルを構築することができることを示す。
論文 参考訳（メタデータ） (2020-01-27T17:10:11Z)
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。