論文の概要: Does mapping elites illuminate search spaces? A large-scale user study of MAP--Elites applied to human--AI collaborative design

• arxiv url: http://arxiv.org/abs/2402.07911v1
• Date: Tue, 30 Jan 2024 08:54:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-02-18 13:41:37.246694
• Title: Does mapping elites illuminate search spaces? A large-scale user study of MAP--Elites applied to human--AI collaborative design
• Title（参考訳）: 地図エリートは検索空間を照らすか? MAP-Elitesの大規模ユーザ研究 : 人間-AI協調設計への応用
• Authors: Sean P. Walton, Ben J. Evans, Alma A. M. Rahat, James Stovold, Jakub Vincalek
• Abstract要約: このツールは、仮想カーをできるだけ一定時間で走行できるように設計しようとする進化的アルゴリズムに基づいている。 参加者は自分の車を設計し、アルゴリズムに推薦し、アルゴリズムからレコメンデーションのセットを見ることができた。
• 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: Two studies of a human-AI collaborative design tool were carried out in order to understand the influence design recommendations have on the design process. The tool investigated is based on an evolutionary algorithm attempting to design a virtual car to travel as far as possible in a fixed time. Participants were able to design their own cars, make recommendations to the algorithm and view sets of recommendations from the algorithm. The algorithm-recommended sets were designs which had been previously tested; some sets were simply randomly picked and other sets were picked using MAP-Elites. In the first study 808 design sessions were recorded as part of a science outreach program, each with analytical data of how each participant used the tool. To provide context to this quantitative data, a smaller double-blind lab study was also carried out with 12 participants. In the lab study the same quantitative data from the large scale study was collected alongside responses to interview questions. Although there is some evidence that the MAP-Elites provide higher-quality individual recommendations, neither study provides convincing evidence that these recommendations have a more positive influence on the design process than simply a random selection of designs. In fact, it seems that providing a combination of MAP-Elites and randomly selected recommendations is beneficial to the process. Furthermore, simply viewing recommendations from the MAP-Elites had a positive influence on engagement in the design task and the quality of the final design produced. Our findings are significant both for researchers designing new mixed-initiative tools, and those who wish to evaluate existing tools. Most significantly, we found that metrics researchers currently use to evaluate the success of human-AI collaborative algorithms do not measure the full influence these algorithms have on the design process.
• Abstract（参考訳）: 設計プロセスにデザイン推奨が与える影響を理解するため,人間-AI協調設計ツールの2つの研究を行った。 調査されたツールは、一定時間内に可能な限り移動するための仮想車を設計しようとする進化的アルゴリズムに基づいている。 参加者は自分の車を設計し、アルゴリズムに推薦し、アルゴリズムからレコメンデーションのセットを見ることができた。 いくつかのセットは単にランダムに選択され、他のセットはmap-eliteを使用して選択された。 最初の研究では、808の設計セッションが科学的なアウトリーチプログラムの一部として記録され、それぞれがツールの使い方を分析した。 この定量的データについて,12名の被験者を対象に,より小さな二重盲検実験を行った。 実験室では、質問に対する回答とともに、大規模な研究から得られた同じ量データを収集した。 MAP-Elitesが高品質な個人推薦を提供するという証拠はいくつかあるが、これらの勧告が単なるランダムな設計選択よりもデザインプロセスに肯定的な影響を与えるという証拠は得られていない。 実際、MAP-Elitesとランダムに選択されたレコメンデーションの組み合わせを提供することは、このプロセスに有益であるようだ。 さらに、MAP-Elitesからのリコメンデーションを単に見ることは、デザインタスクにおけるエンゲージメントと最終的なデザインの品質に肯定的な影響を及ぼした。 本研究は,新しい混合開始ツールを設計する研究者と,既存ツールの評価を希望する研究者の両方にとって重要である。 さらに,人間-AI協調アルゴリズムの成功を評価するために現在研究者が使用しているメトリクスは,これらのアルゴリズムが設計プロセスに与える影響を十分に測定していないことがわかった。

関連論文リスト

• On the Design and Evaluation of Human-centered Explainable AI Systems: A Systematic Review and Taxonomy [0.1909020214605419]
  本稿では,XAIシステムの評価を行う65のユーザ・スタディについて概説する。 我々は,XAIシステムの人間中心設計(設計目標)の目的を提案する。 AI初心者にとって、関連する設計目標には、責任ある使用、受け入れ、ユーザビリティが含まれる。
  論文  参考訳（メタデータ） (2025-10-14T06:52:43Z)
• Human-AI Co-Creation: A Framework for Collaborative Design in Intelligent Systems [0.6526824510982802]
  本稿では、AIが自動化や効率向上にのみ使用されるだけでなく、アイデア、視覚的概念化、意思決定に積極的に参加する、人間とAIの共創の創発的パラダイムについて考察する。 具体的には, GPT-4のような大規模言語モデル(LLM)と, 提案, 批判, リビジョンの反復サイクルにデザイナを関与させる創造的エージェントとして, 安定拡散(Stable Diffusion)のようなマルチモーダル拡散モデルを使用することを検討する。
  論文  参考訳（メタデータ） (2025-07-22T04:29:33Z)
• SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
  空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。 SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。 ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
  論文  参考訳（メタデータ） (2025-05-08T17:45:44Z)
• Navigating Intelligence: A Survey of Google OR-Tools and Machine Learning for Global Path Planning in Autonomous Vehicles [49.1574468325115]
  ROMIEと呼ばれる自律的な採鉱ロボットには,グローバルパスプランニングが不可欠である。 Q-Learningは最適な戦略であり、データセット全体の最適解から平均1.2%しか逸脱せず、優れた効率を示す。
  論文  参考訳（メタデータ） (2025-03-05T10:12:22Z)
• AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
  人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。 このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
  論文  参考訳（メタデータ） (2025-03-04T03:55:38Z)
• Aligning Generalisation Between Humans and Machines [74.120848518198]
  AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。 AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。 これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
  論文  参考訳（メタデータ） (2024-11-23T18:36:07Z)
• Characterizing and modeling harms from interactions with design patterns in AI interfaces [0.19116784879310028]
  適応型AIシステムを用いたインタフェースの設計は、フィードバックループによって引き起こされるカスケード効果をもたらす可能性があると我々は主張する。 本稿では,AIインタフェース設計のインパクトアセスメントを構造化し,促進するAIシステムの設計強化制御(DECAI)を提案する。
  論文  参考訳（メタデータ） (2024-04-17T13:30:45Z)
• randomHAR: Improving Ensemble Deep Learners for Human Activity Recognition with Sensor Selection and Reinforcement Learning [4.5830802802139585]
  randomHARの基本的な考え方は、ランダムに選択されたセンサーデータに基づいて、同じアーキテクチャで一連のディープラーニングモデルをトレーニングすることだ。 既存の作業とは対照的に、このアプローチは構成モデルのアーキテクチャよりもアンサンブルプロセスを最適化する。 実験により,提案手法は最先端手法であるアンサンブルLSTMよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-15T10:51:03Z)
• Human-AI Coevolution [48.74579595505374]
  Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。 本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
  論文  参考訳（メタデータ） (2023-06-23T18:10:54Z)
• Beyond Prompts: Exploring the Design Space of Mixed-Initiative Co-Creativity Systems [11.427320283363326]
  我々は185人の参加者とともに、異なる構成のMI-CCシステムとどのように対話したいかを理解するために、人間による研究を行う。 設計空間を広範囲に網羅したMI-CCシステムは、様々な創造的およびゴール・コンプリートメトリクスに匹敵するものと評価されている。
  論文  参考訳（メタデータ） (2023-05-03T22:32:37Z)
• A Reinforcement Learning-assisted Genetic Programming Algorithm for Team Formation Problem Considering Person-Job Matching [70.28786574064694]
  解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。 効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
  論文  参考訳（メタデータ） (2023-04-08T14:32:12Z)
• Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
  設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
  論文  参考訳（メタデータ） (2022-04-15T20:40:43Z)
• Compactness Score: A Fast Filter Method for Unsupervised Feature Selection [66.84571085643928]
  本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。 提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
  論文  参考訳（メタデータ） (2022-01-31T13:01:37Z)
• The Impact of Visualizing Design Gradients for Human Designers [7.976180564784953]
  本稿では,パズルレベルの設計にExhaustive PCG(EPCG)を用いた混合開始ツールを提案する。 我々は、EPCGコンポーネントをオン/オフしたツールを個人が使用するオンライン人体調査を実施している。 結果から,ほとんどのユーザがツールを好まなかったものの,レベル設計プロセスが大幅に簡単になったことが示唆された。
  論文  参考訳（メタデータ） (2021-10-07T05:41:09Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)
• An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
  トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。 設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
  論文  参考訳（メタデータ） (2020-12-11T14:33:27Z)
• Deep Learning of Individual Aesthetics [5.837881923712394]
  複雑度などの画像計測と人体美的評価の関係について検討する。 我々は、ジェノタイプ空間と表現型空間の両方を可視化するために次元還元法を用いて、生成系における新しい領域の探索を支援する。 我々はこの分類と発見システムを、複雑な生成技術と設計を進化させるソフトウェアツールに統合する。
  論文  参考訳（メタデータ） (2020-09-24T03:04:28Z)
• Evaluating Mixed-Initiative Procedural Level Design Tools using a Triple-Blind Mixed-Method User Study [0.0]
  インタラクティブな進化的最適化を用いてレベルを生成するツールを,本研究のために設計した。 このツールは、手書き地図のレベルデザインパターンを特定し、その情報を使ってインタラクティブな最適化アルゴリズムを駆動する。 複雑なイニシアティブツールを使用したデザイナの経験を、完全にランダムなレベルの提案を提供するツールを与えられたデザイナと比較した厳密なユーザスタディが設計された。
  論文  参考訳（メタデータ） (2020-05-15T11:40:53Z)
• 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)
• Multi-Task Learning for Dense Prediction Tasks: A Survey [87.66280582034838]
  マルチタスク学習(MTL)技術は、性能、計算、メモリフットプリントに関する有望な結果を示している。 我々は、コンピュータビジョンにおけるMLLのための最先端のディープラーニングアプローチについて、よく理解された視点を提供する。
  論文  参考訳（メタデータ） (2020-04-28T09:15:50Z)
• 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)
• Application of Deep Learning in Generating Desired Design Options: Experiments Using Synthetic Training Dataset [5.564299196293697]
  本研究では,Deep Learning (DL) アルゴリズムを用いて要求された設計オプションを生成する手法を適用した。 物体認識問題は, 異なる種類の合成2次元形状からなるトレーニングデータセットに基づいて, 未知のサンプル画像のラベルを最初に予測するために検討される。 次のステップでは、空間日光自律性(sDA)メトリクスに基づいて、所望の光/影のパフォーマンスのためのウィンドウ/壁パターンを生成するようにアルゴリズムを訓練する。
  論文  参考訳（メタデータ） (2019-12-28T01:26:20Z)

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。