論文の概要: AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems
- arxiv url: http://arxiv.org/abs/2402.06287v1
- Date: Fri, 9 Feb 2024 09:54:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 17:31:43.473778
- Title: AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems
- Title（参考訳）: AI, Meet Human: ハイブリッド意思決定システムのためのパラダイム学習
- Authors: Clara Punzi, Roberto Pellungrini, Mattia Setzu, Fosca Giannotti and
Dino Pedreschi
- Abstract要約: 人間は現在、機械学習ベースのシステムと常に対話し、毎日モデルをトレーニングし、使用しています。
コンピュータサイエンス文学におけるいくつかの異なる技術は、人間の機械学習システムとの相互作用を説明するが、その分類は小さく、目的は様々である。
本調査では,現代コンピュータ科学文献が人間と機械の相互作用をどのようにモデル化しているかを理解するための概念的および技術的枠組みを提供するハイブリッド意思決定システムの分類法を提案する。
- 参考スコア（独自算出の注目度）: 4.936180840622583
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Everyday we increasingly rely on machine learning models to automate and
support high-stake tasks and decisions. This growing presence means that humans
are now constantly interacting with machine learning-based systems, training
and using models everyday. Several different techniques in computer science
literature account for the human interaction with machine learning systems, but
their classification is sparse and the goals varied. This survey proposes a
taxonomy of Hybrid Decision Making Systems, providing both a conceptual and
technical framework for understanding how current computer science literature
models interaction between humans and machines.
- Abstract（参考訳）: 毎日、ハイリスクなタスクや意思決定を自動化し、サポートするために、機械学習モデルに依存しています。
この拡大する存在は、人間が機械学習ベースのシステムと常に対話し、トレーニングを行い、毎日モデルを使用していることを意味する。
コンピュータサイエンス文学におけるいくつかの異なる技術は、人間の機械学習システムとの相互作用を説明するが、その分類は小さく、目的は様々である。
本研究は,人間と機械の相互作用をコンピュータ科学文献がどのようにモデル化しているかを理解するための概念的・技術的枠組みを提供する,ハイブリッド意思決定システムの分類を提案する。
関連論文リスト
- Human-machine social systems [0.0]
コンペティション、協調、協力、伝染、集団意思決定の状況において、様々な分野からの最近の研究をレビューし、一般的なダイナミクスとパターンを識別する。
より堅牢でレジリエントな人間機械のコミュニティを確保するために、研究者は複雑なシステム手法を用いてそれらを研究すべきである。
技術者は、人間-機械と機械-機械の相互作用のためのAIを明示的に設計し、規制当局は人間と機械の生態的多様性と社会的共進化を管理しなければならない。
論文 参考訳（メタデータ） (2024-02-22T09:54:41Z) - Adaptive User-centered Neuro-symbolic Learning for Multimodal
Interaction with Autonomous Systems [0.0]
機械学習の最近の進歩により、自律システムは物体を知覚し、理解することができるようになった。
人間が提供する明示的な教えと、人間の行動を観察して得られる暗黙的な教えの両方を考慮することが不可欠である。
インプットのタイプや,ループ内の人間とインクリメンタルな学習技術についても検討する。
論文 参考訳（メタデータ） (2023-09-11T19:35:12Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - The future of human-AI collaboration: a taxonomy of design knowledge for
hybrid intelligence systems [0.0]
我々は、人間と機械の社会技術的アンサンブルを開発する必要性を特定する。
本稿では,機械学習パイプラインにおける人間の役割に関する学際研究の概観について述べる。
第二に、ハイブリッドインテリジェンスシステムを構想し、システム設計の関連寸法を概念化します。
論文 参考訳（メタデータ） (2021-05-07T16:10:44Z) - Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。
ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文 参考訳（メタデータ） (2021-04-12T09:54:12Z) - On the Philosophical, Cognitive and Mathematical Foundations of
Symbiotic Autonomous Systems (SAS) [87.3520234553785]
共生自律システム(SAS)は、自律的な集団知能を示す高度なインテリジェントおよび認知システムです。
この研究は、知性、認知、コンピュータ、システム科学の最新の進歩に根ざしたSASの理論的枠組みを示す。
論文 参考訳（メタデータ） (2021-02-11T05:44:25Z) - Learning to Complement Humans [67.38348247794949]
オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。
我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
論文 参考訳（メタデータ） (2020-05-01T20:00:23Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。