論文の概要: Learning from a Generative AI Predecessor -- The Many Motivations for
Interacting with Conversational Agents
- arxiv url: http://arxiv.org/abs/2401.02978v1
- Date: Sun, 31 Dec 2023 03:29:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 09:32:50.243152
- Title: Learning from a Generative AI Predecessor -- The Many Motivations for
Interacting with Conversational Agents
- Title(参考訳): 生成型AIプレデシデントから学ぶ - 会話エージェントと対話するための多くの動機
- Authors: Donald Brinkman and Jonathan Grudin
- Abstract要約: 生成的会話型AIは、その高コストに対応するための明確な収益モデルを持っていない。
生成AIの出現に先立ち、我々は大規模で質的な分析を行い、何百万人もの人々がそのような「仮想の仲間」であるMicrosoftのZoと関わる動機を学習した。
- 参考スコア(独自算出の注目度): 23.901805145989208
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For generative AI to succeed, how engaging a conversationalist must it be?
For almost sixty years, some conversational agents have responded to any
question or comment to keep a conversation going. In recent years, several
utilized machine learning or sophisticated language processing, such as Tay,
Xiaoice, Zo, Hugging Face, Kuki, and Replika. Unlike generative AI, they
focused on engagement, not expertise. Millions of people were motivated to
engage with them. What were the attractions? Will generative AI do better if it
is equally engaging, or should it be less engaging? Prior to the emergence of
generative AI, we conducted a large-scale quantitative and qualitative analysis
to learn what motivated millions of people to engage with one such 'virtual
companion,' Microsoft's Zo. We examined the complete chat logs of 2000
anonymized people. We identified over a dozen motivations that people had for
interacting with this software. Designers learned different ways to increase
engagement. Generative conversational AI does not yet have a clear revenue
model to address its high cost. It might benefit from being more engaging, even
as it supports productivity and creativity. Our study and analysis point to
opportunities and challenges.
- Abstract(参考訳): 生成的AIが成功するためには、会話主義者の関与はどの程度必要か?
約60年間、一部の会話エージェントは、会話を続けるためにあらゆる質問やコメントに答えてきた。
近年では、Tay、Xiaoice、Zo、Hugging Face、Kuki、Replikaといった機械学習や高度な言語処理を活用している。
生成AIとは異なり、彼らは専門知識ではなくエンゲージメントに焦点を当てた。
何百万人もの人々が彼らと関わり始めた。
魅力は何だった?
生成AIは、等しくエンゲージメントが高い場合、あるいはエンゲージメントが低い場合、より良いものとなるか?
生成AIの出現に先立ち、我々は大規模で質的な分析を行い、何百万人もの人々がそのような「仮想の仲間」であるMicrosoftのZoと関わる動機を学習した。
匿名化2000人のチャットログについて検討した。
私たちは、人々がこのソフトウェアと対話するための12以上のモチベーションを特定しました。
デザイナーはエンゲージメントを高める異なる方法を学びました。
生成的会話型AIは、その高コストに対応するための明確な収益モデルを持っていない。
生産性と創造性をサポートするとしても、より熱心であることの恩恵を受けるかも知れません。
我々の研究と分析は機会と課題を示している。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳(メタデータ) (2024-11-07T21:37:51Z) - Empirical evidence of Large Language Model's influence on human spoken communication [25.09136621615789]
人工知能(AI)エージェントは、今や自然言語で何十億もの人間と対話する。
このことは、AIが人間の文化の基本的な側面を形成する可能性を秘めているかどうか、という疑問を提起する。
最近の分析によると、科学出版物はAI固有の言語の証拠をすでに示している。
論文 参考訳(メタデータ) (2024-09-03T10:01:51Z) - AutoConv: Automatically Generating Information-seeking Conversations
with Large Language Models [74.10293412011455]
合成会話生成のためのAutoConvを提案する。
具体的には,会話生成問題を言語モデリングタスクとして定式化する。
我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
論文 参考訳(メタデータ) (2023-08-12T08:52:40Z) - Bootstrapping Developmental AIs: From Simple Competences to Intelligent
Human-Compatible AIs [0.0]
主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。
このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
論文 参考訳(メタデータ) (2023-08-08T21:14:21Z) - Public Perception of Generative AI on Twitter: An Empirical Study Based
on Occupation and Usage [7.18819534653348]
本稿は,2019年1月から2023年3月までのTwitter上での3Mポストを用いた生成AIに対するユーザの認識について検討する。
私たちは、IT関連だけでなく、様々な職種にまたがる人々が、生成AIに強い関心を示していることに気付きました。
ChatGPTのリリース後、AI全般に対する人々の関心は劇的に高まった。
論文 参考訳(メタデータ) (2023-05-16T15:30:12Z) - Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI
Collaboration in Data Storytelling [59.08591308749448]
業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。
驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
論文 参考訳(メタデータ) (2023-04-17T15:30:05Z) - HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging
Face [85.25054021362232]
大規模言語モデル(LLM)は、言語理解、生成、相互作用、推論において例外的な能力を示した。
LLMは、複雑なAIタスクを解決するために既存のAIモデルを管理するコントローラとして機能する可能性がある。
本稿では,機械学習コミュニティのさまざまなAIモデルを接続するLLMエージェントであるHuggingGPTを紹介する。
論文 参考訳(メタデータ) (2023-03-30T17:48:28Z) - Who Wrote this? How Smart Replies Impact Language and Agency in the
Workplace [0.0]
この研究は、スマートリプライ(SR)を使用して、AIが開発者の一部に何の意図も持たずに人間にどのように影響するかを示す。
本稿では,AIが人体に与える影響を研究するための有効なアプローチとして,代理店理論の喪失を提案する。
論文 参考訳(メタデータ) (2022-10-07T20:06:25Z) - State-of-the-art in Open-domain Conversational AI: A Survey [1.6507910904669727]
我々は,SoTAのオープンドメイン会話型AIモデルについて,今後の研究を刺激する上で有効な課題を提示する目的で調査する。
問題を取り巻く倫理的議論をガイドするために,対話型AIの性別に関する統計情報を提供する。
論文 参考訳(メタデータ) (2022-05-02T15:08:18Z) - Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。
自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
論文 参考訳(メタデータ) (2021-10-15T21:46:39Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳(メタデータ) (2021-07-05T12:18:17Z)
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。