論文の概要: Unpacking Human-AI interactions: From interaction primitives to a design
space
- arxiv url: http://arxiv.org/abs/2401.05115v1
- Date: Wed, 10 Jan 2024 12:27:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 14:41:46.020307
- Title: Unpacking Human-AI interactions: From interaction primitives to a design
space
- Title（参考訳）: 人間とAIの相互作用を解き放つ:インタラクションプリミティブからデザイン空間へ
- Authors: Kostas Tsiakas and Dave Murray-Rust
- Abstract要約: これらのプリミティブを相互作用パターンの集合にどのように組み合わせるかを示す。
この背景にある動機は、既存のプラクティスのコンパクトな一般化を提供することである。
我々は,人間-AIインタラクションの設計空間に対して,このアプローチをどのように利用できるかについて議論する。
- 参考スコア（独自算出の注目度）: 6.778055454461106
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper aims to develop a semi-formal design space for Human-AI
interactions, by building a set of interaction primitives which specify the
communication between users and AI systems during their interaction. We show
how these primitives can be combined into a set of interaction patterns which
can provide an abstract specification for exchanging messages between humans
and AI/ML models to carry out purposeful interactions. The motivation behind
this is twofold: firstly, to provide a compact generalisation of existing
practices, that highlights the similarities and differences between systems in
terms of their interaction behaviours; and secondly, to support the creation of
new systems, in particular by opening the space of possibilities for
interactions with models. We present a short literature review on frameworks,
guidelines and taxonomies related to the design and implementation of HAI
interactions, including human-in-the-loop, explainable AI, as well as hybrid
intelligence and collaborative learning approaches. From the literature review,
we define a vocabulary for describing information exchanges in terms of
providing and requesting particular model-specific data types. Based on this
vocabulary, a message passing model for interactions between humans and models
is presented, which we demonstrate can account for existing systems and
approaches. Finally, we build this into design patterns as mid-level constructs
that capture common interactional structures. We discuss how this approach can
be used towards a design space for Human-AI interactions that creates new
possibilities for designs as well as keeping track of implementation issues and
concerns.
- Abstract（参考訳）: 本稿では,ユーザとAIシステム間のインタラクションを規定するインタラクションプリミティブのセットを構築することで,人間-AIインタラクションのための半形式的な設計空間を構築することを目的とする。
これらのプリミティブを、人間とai/mlモデル間のメッセージ交換のための抽象的な仕様を提供し、目的のあるインタラクションを実行するための一連のインタラクションパターンに組み合わせる方法を示します。
第一に、既存のプラクティスのコンパクトな一般化を提供することで、システム間の相互作用行動の類似性と相違を強調すること、第二に、特にモデルとのインタラクションの可能性の空間を開くことによって、新しいシステムの作成をサポートすることである。
本稿では,ヒューマン・イン・ザ・ループ,説明可能なAI,ハイブリッド・インテリジェンスと協調学習アプローチなど,HAIインタラクションの設計と実装に関連するフレームワーク,ガイドライン,分類に関する短い文献レビューを紹介する。
文献レビューから,特定のモデル固有のデータ型の提供と要求という観点から情報交換を記述する語彙を定義する。
この語彙に基づき、人間とモデル間のインタラクションのためのメッセージパッシングモデルが提示され、既存のシステムとアプローチを説明することができる。
最後に、これを共通の相互作用構造をキャプチャする中間層構造として設計パターンに組み込む。
我々は,この手法が人間とAIのインタラクションのための設計空間にどのように適用され,設計の新たな可能性を生み出し,実装上の問題や関心事の追跡を行うかについて議論する。
関連論文リスト
- Relation Learning and Aggregate-attention for Multi-person Motion Prediction [13.052342503276936]
多対人動作予測は、骨格構造や人間の軌道だけでなく、他者との相互作用も考慮している。
それまでの手法では、個人内の結合関係(イントラリレーション)とグループ間の相互作用(インターリレーション)は異なる種類の表現であるとしばしば見落としていた。
我々はこれらの関係を明示的にモデル化する多人数動作予測のための新しい協調フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-06T07:48:30Z) - Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。
また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文 参考訳（メタデータ） (2024-10-28T23:10:06Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Accounting for AI and Users Shaping One Another: The Role of Mathematical Models [17.89344451611069]
我々は,AIとユーザが相互にどのように形成するかを数学的に規定する形式的相互作用モデルの開発を論じる。
ユーザと対話するAIシステムを設計、評価、監査する際に、正式なインタラクションモデルを活用するようにコミュニティに呼びかけます。
論文 参考訳（メタデータ） (2024-04-18T17:49:02Z) - THOR: Text to Human-Object Interaction Diffusion via Relation Intervention [51.02435289160616]
我々は、リレーショナルインターベンション(THOR)を用いたテキスト誘導型ヒューマンオブジェクト相互作用拡散モデルを提案する。
各拡散段階において、テキスト誘導された人間と物体の動きを開始し、その後、人と物体の関係を利用して物体の動きに介入する。
テキスト記述をシームレスに統合するText2HOIデータセットであるText-BEHAVEを,現在最大規模で公開されている3D HOIデータセットに構築する。
論文 参考訳（メタデータ） (2024-03-17T13:17:25Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳（メタデータ） (2023-07-25T17:59:18Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - Collective Relational Inference for learning heterogeneous interactions [8.215734914005845]
本稿では,従来の手法と比較して2つの特徴を持つ関係推論の確率的手法を提案する。
提案手法を複数のベンチマークデータセットで評価し,既存の手法よりも精度良く対話型を推定できることを実証した。
全体として、提案モデルはデータ効率が高く、より小さなシステムで訓練された場合、大規模システムに対して一般化可能である。
論文 参考訳（メタデータ） (2023-04-30T19:45:04Z) - A Model for Intelligible Interaction Between Agents That Predict and Explain [1.335664823620186]
エージェントを特殊特性を持つオートマチックにすることで相互作用モデルを定式化する。
プロトコルの実行によって実行時に現れるプロパティとして,ワンウェイとツーウェイのインテリジェンスを定義する。
a)インダクティブ論理プログラミング(ILP)で行われているように、論理に基づく説明を提供するMLシステムと対話する人間に関する文献報告における1-および2-Way知能の事例を特定し、(b)1-または2-Way知能に精巧な自然言語に基づく対話モデルで人間と機械間の相互作用をマッピングする。
論文 参考訳（メタデータ） (2023-01-04T20:48:22Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。