論文の概要: Prompting Diverse Ideas: Increasing AI Idea Variance
- arxiv url: http://arxiv.org/abs/2402.01727v1
- Date: Sat, 27 Jan 2024 21:02:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:16:17.271858
- Title: Prompting Diverse Ideas: Increasing AI Idea Variance
- Title(参考訳): 多様なアイデアを促す: aiのアイデアの分散化
- Authors: Lennart Meincke, Ethan R. Mollick, Christian Terwiesch
- Abstract要約: この論文は、アイデア生成プロセスの生産性と品質を高めるために、人工知能を活用することへの新たな関心を掘り下げるものである。
これまでの研究によると、AIのアイデアの平均品質は非常に高い。
以前の研究では、AIベースのブレインストーミングが、アイデアの十分な分散を生み出すことができないことも指摘されている。
- 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: Unlike routine tasks where consistency is prized, in creativity and
innovation the goal is to create a diverse set of ideas. This paper delves into
the burgeoning interest in employing Artificial Intelligence (AI) to enhance
the productivity and quality of the idea generation process. While previous
studies have found that the average quality of AI ideas is quite high, prior
research also has pointed to the inability of AI-based brainstorming to create
sufficient dispersion of ideas, which limits novelty and the quality of the
overall best idea. Our research investigates methods to increase the dispersion
in AI-generated ideas. Using GPT-4, we explore the effect of different
prompting methods on Cosine Similarity, the number of unique ideas, and the
speed with which the idea space gets exhausted. We do this in the domain of
developing a new product development for college students, priced under $50. In
this context, we find that (1) pools of ideas generated by GPT-4 with various
plausible prompts are less diverse than ideas generated by groups of human
subjects (2) the diversity of AI generated ideas can be substantially improved
using prompt engineering (3) Chain-of-Thought (CoT) prompting leads to the
highest diversity of ideas of all prompts we evaluated and was able to come
close to what is achieved by groups of human subjects. It also was capable of
generating the highest number of unique ideas of any prompt we studied.
- Abstract(参考訳): 一貫性が重視される日常的なタスクとは異なり、創造性やイノベーションにおいて、目標は多様なアイデアを生み出すことだ。
本稿では、人工知能(AI)を活用したアイデア生成プロセスの生産性と品質を高めることへの関心の高まりについて述べる。
これまでの研究では、AIのアイデアの平均品質は非常に高いことが分かっていたが、以前の研究では、AIベースのブレインストーミングが、アイデアの十分な分散を生み出すことができないことも指摘されている。
本研究は,AI生成アイデアの分散性を高める方法を検討する。
gpt-4を用いて,コサインの類似性,独特なアイデアの数,アイデア空間が枯渇する速度に異なるプロンピング手法が与える影響について検討した。
私たちは、50ドル以下で、大学生向けの新しい製品開発を開発する領域でこれを行います。
この文脈では,(1)GPT-4が生成するアイデアのプールは,人体集団が生成するアイデアよりも多様性が低いこと(2)AIが生成するアイデアの多様性は,素早い工学を用いて著しく改善可能であること(3)CoT(Chain-of-Thought)の促進により,評価したすべてのプロンプトのアイデアの最も多様性が高く,人体集団が達成したものに近づいた。
また、我々が研究した任意のプロンプトの最も多くのユニークなアイデアを生成できた。
関連論文リスト
- Nova: An Iterative Planning and Search Approach to Enhance Novelty and Diversity of LLM Generated Ideas [30.3756058589173]
我々は,大規模言語モデル(LLM)の創造的可能性を高めるために,拡張計画と探索手法を導入する。
我々の枠組みは、特に新規性と多様性において、生成したアイデアの質を大幅に高める。
本手法は,スイスのトーナメント評価において,170枚のシード論文に基づいて,少なくとも2.5倍以上の上位のアイデアを生成する。
論文 参考訳(メタデータ) (2024-10-18T08:04:36Z) - Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳(メタデータ) (2024-10-17T03:26:37Z) - Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。
我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。
その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
論文 参考訳(メタデータ) (2024-09-07T02:07:22Z) - Interesting Scientific Idea Generation Using Knowledge Graphs and LLMs: Evaluations with 100 Research Group Leaders [0.6906005491572401]
我々は,5800万件の研究論文と大規模言語モデルを用いて研究アイデアを生成するSciMuseを紹介した。
我々は、100以上の研究グループのリーダーが興味に基づいて4,400以上のパーソナライズされたアイデアをランク付けする大規模な評価を行う。
このデータにより,(1)人間の評価に基づいて訓練された教師付きニューラルネットワーク,(2)大規模言語モデルを用いた教師なしゼロショットランキングを用いて,研究の関心を予測できる。
論文 参考訳(メタデータ) (2024-05-27T11:00:51Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - How AI Ideas Affect the Creativity, Diversity, and Evolution of Human Ideas: Evidence From a Large, Dynamic Experiment [3.7900123585903827]
実験では、参加者がChatGPTまたは以前の実験参加者から得た創造的アイデアを観察し、そのアイデアをブレインストーミングした。
我々は,AI生成例数(無,低,高露出)と,その例を「AI」とラベル付けした場合(開示)に変動した。
高いAI暴露は、個々のアイデアの創造性に影響を与えるものではなく、集団的アイデアの多様性の平均的量と変化率を増加させることを発見した。
論文 参考訳(メタデータ) (2024-01-24T14:29:39Z) - Can AI Be as Creative as Humans? [84.43873277557852]
理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。
AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
論文 参考訳(メタデータ) (2024-01-03T08:49:12Z) - AI for the Generation and Testing of Ideas Towards an AI Supported
Knowledge Development Environment [2.0305676256390934]
生成AIが人間のバイアスを排除してアイデア生成を促進する方法について論じる。
また、検索が事実、論理、文脈をどう検証できるかについても記述する。
本稿では,知識労働者のためのシステムであるジェネレーション・アンド・サーチ・テスト(Generate and Search Test)を紹介し,個人が効率的にソリューションを作成できるようにする。
論文 参考訳(メタデータ) (2023-07-17T22:17:40Z) - Artificial muses: Generative Artificial Intelligence Chatbots Have Risen
to Human-Level Creativity [1.332560004325655]
6つの生成人工知能(GAI)による人為的アイデアとの比較
AIと人間の創造性には質的な違いはないが、アイデアの生成方法には違いがある。
以上の結果から,GAIは創造的プロセスにおいて貴重なアシスタントであることが示唆された。
論文 参考訳(メタデータ) (2023-03-21T16:35:01Z) - 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) - Bongard-LOGO: A New Benchmark for Human-Level Concept Learning and
Reasoning [78.13740873213223]
ボナード問題(BP)は、インテリジェントシステムにおける視覚認知へのインスピレーションとして導入された。
我々は人間レベルの概念学習と推論のための新しいベンチマークBongard-LOGOを提案する。
論文 参考訳(メタデータ) (2020-10-02T03:19:46Z)
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。