論文の概要: Contextual AI Journaling: Integrating LLM and Time Series Behavioral Sensing Technology to Promote Self-Reflection and Well-being using the MindScape App
- arxiv url: http://arxiv.org/abs/2404.00487v1
- Date: Sat, 30 Mar 2024 23:01:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 03:30:20.089921
- Title: Contextual AI Journaling: Integrating LLM and Time Series Behavioral Sensing Technology to Promote Self-Reflection and Well-being using the MindScape App
- Title(参考訳): コンテキストAIジャーナリング:MindScapeアプリによる自己回帰と幸福を促進するLLMと時系列行動センシング技術の統合
- Authors: Subigya Nepal, Arvind Pillai, William Campbell, Talie Massachi, Eunsol Soul Choi, Orson Xu, Joanna Kuc, Jeremy Huckins, Jason Holden, Colin Depp, Nicholas Jacobson, Mary Czerwinski, Eric Granholm, Andrew T. Campbell,
- Abstract要約: MindScapeは、時系列の行動パターンをLarge Language Models (LLMs)と統合することの利点を研究することを目的としている。
我々は、LLMと行動センシングを用いて、自己回帰と感情発達を促進するために作られた、コンテキスト的かつパーソナライズされたジャーナリングプロンプトを生成するMindScapeコンテキストジャーナル「App Design」について論じる。
- 参考スコア(独自算出の注目度): 6.479200977503295
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: MindScape aims to study the benefits of integrating time series behavioral patterns (e.g., conversational engagement, sleep, location) with Large Language Models (LLMs) to create a new form of contextual AI journaling, promoting self-reflection and well-being. We argue that integrating behavioral sensing in LLMs will likely lead to a new frontier in AI. In this Late-Breaking Work paper, we discuss the MindScape contextual journal App design that uses LLMs and behavioral sensing to generate contextual and personalized journaling prompts crafted to encourage self-reflection and emotional development. We also discuss the MindScape study of college students based on a preliminary user study and our upcoming study to assess the effectiveness of contextual AI journaling in promoting better well-being on college campuses. MindScape represents a new application class that embeds behavioral intelligence in AI.
- Abstract(参考訳): MindScapeは、時系列の行動パターン(会話のエンゲージメント、睡眠、場所など)をLarge Language Models(LLM)と統合して、コンテキストAIジャーナリングの新しい形式を作成し、自己反映と幸福を促進するというメリットを研究することを目的としている。
LLMに行動センシングを統合することは、AIの新たなフロンティアにつながる可能性が高い、と私たちは主張する。
本稿では,LLMと行動センシングを併用したMindScapeコンテキストジャーナル『App Design』について論じ,自己反省的・感情的な発達を促すために考案された,コンテキスト的・パーソナライズされたジャーナリングプロンプトを生成する。
また,大学生を対象としたMindScape研究について,予備的ユーザスタディと今後の研究に基づいて,大学構内における健康向上に資する文脈型AIジャーナリングの有効性を評価する。
MindScapeは、AIに振る舞いインテリジェンスを組み込む新しいアプリケーションクラスである。
関連論文リスト
- Modeling Emotions and Ethics with Large Language Models [2.5200794639628032]
まず、8つの基本的感情をモデル化し、対立するペアとして提示し、これらの感情を再解釈し表現するために協調的なLLMを用いる。
我々の焦点は、人間のフィードバックによる新しい自己教師付き学習アルゴリズムによって導かれる、LSMに潜伏する倫理的次元を埋め込むことにまで及んでいる。
論文 参考訳(メタデータ) (2024-04-15T05:30:26Z) - Spontaneous Theory of Mind for Artificial Intelligence [2.7624021966289605]
我々は、AIマインド理論(ToM)の研究・開発における原則的アプローチを論じる。
我々は、強い、あるいは一般のAISが、テキストに反応し、自発的に社会的推論を行うよう提案する。
論文 参考訳(メタデータ) (2024-02-16T22:41:13Z) - AI for non-programmers: Applied AI in the lectures for students without programming skills [0.0]
この研究は、応用AIのための実践的な計画スクリプトを提示する。
ドキュメント計画スクリプトは、AIアプリケーションパイプラインに基づいて、AIの概念と研究関連トピックをリンクする。
エネルギー管理の修士課程の講義シリーズは、AIを規律固有の講義にシームレスに統合する方法を示している。
論文 参考訳(メタデータ) (2024-02-06T17:26:24Z) - Creativity Support in the Age of Large Language Models: An Empirical
Study Involving Emerging Writers [33.3564201174124]
経験的ユーザスタディを通じて,プロのライターを支援するため,現代の大規模言語モデルの有用性について検討する。
筆者らは3種類の認知活動の全てにLLMの助けを求める一方で、LLMは翻訳やレビューに役立ちます。
論文 参考訳(メタデータ) (2023-09-22T01:49:36Z) - Chat2Brain: A Method for Mapping Open-Ended Semantic Queries to Brain
Activation Maps [59.648646222905235]
そこで本研究では,テキスト2画像モデルであるText2BrainにLLMを組み合わせ,セマンティッククエリを脳活性化マップにマッピングするChat2Brainを提案する。
テキストクエリのより複雑なタスクに対して、Chat2Brainが可塑性なニューラルアクティベーションパターンを合成できることを実証した。
論文 参考訳(メタデータ) (2023-09-10T13:06:45Z) - The SocialAI School: Insights from Developmental Psychology Towards
Artificial Socio-Cultural Agents [27.464382586864254]
我々は、AI研究は心理学から知らされ、文化への参入を可能にする社会認知能力を研究するべきだと論じる。
The SocialAI School - 手続き的に生成された環境のカスタマイズ可能なパラメータ化uiteを含むツール。
論文 参考訳(メタデータ) (2023-07-15T19:05:56Z) - LLM as A Robotic Brain: Unifying Egocentric Memory and Control [77.0899374628474]
Embodied AIは、物理的または仮想的なエンボディメント(つまりロボット)を持つインテリジェントシステムの研究と開発に焦点を当てている。
メモリとコントロールは、具体化されたシステムの2つの不可欠な部分であり、通常、それぞれをモデル化するために別々のフレームワークを必要とします。
ロボット脳として大規模言語モデルを用いて,エゴセントリックな記憶と制御を統一するLLM-Brainという新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-19T00:08:48Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳(メタデータ) (2023-01-17T14:48:58Z) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳(メタデータ) (2022-10-24T14:58:58Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - LOA: Logical Optimal Actions for Text-based Interaction Games [63.003353499732434]
本稿では、強化学習アプリケーションの行動決定アーキテクチャである論理的最適行動(LOA)を提案する。
LOAは、自然言語インタラクションゲームのためのニューラルネットワークとシンボリック知識獲得アプローチの組み合わせである。
論文 参考訳(メタデータ) (2021-10-21T08:36:11Z)
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。