論文の概要: How to Strategize Human Content Creation in the Era of GenAI?
- arxiv url: http://arxiv.org/abs/2406.05187v1
- Date: Fri, 7 Jun 2024 18:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 22:55:40.700262
- Title: How to Strategize Human Content Creation in the Era of GenAI?
- Title（参考訳）: GenAI時代の人的コンテンツ創造の戦略
- Authors: Seyed A. Esmaeili, Kshipra Bhawalkar, Zhe Feng, Di Wang, Haifeng Xu,
- Abstract要約: 我々は、GenAIと人間コントリビュータの動的競争について研究する。
人間とは異なり、GenAIのコンテンツは、時間とともに人間によってより多くのコンテンツが生成される場合にのみ改善される。
人間の最適な戦略を見つけるための時間的アルゴリズムが存在しないことを示す。
- 参考スコア（独自算出の注目度）: 33.06975975844821
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI (GenAI) will have significant impact on content creation platforms. In this paper, we study the dynamic competition between a GenAI and a human contributor. Unlike the human, the GenAI's content only improves when more contents are created by human over the time; however, GenAI has the advantage of generating content at a lower cost. We study the algorithmic problem in this dynamic competition model about how the human contributor can maximize her utility when competing against the GenAI for content generation over a set of topics. In time-sensitive content domains (e.g., news or pop music creation) where contents' value diminishes over time, we show that there is no polynomial time algorithm for finding the human's optimal (dynamic) strategy, unless the randomized exponential time hypothesis is false. Fortunately, we are able to design a polynomial time algorithm that naturally cycles between myopically optimizing over a short time window and pausing and provably guarantees an approximation ratio of $\frac{1}{2}$. We then turn to time-insensitive content domains where contents do not lose their value (e.g., contents on history facts). Interestingly, we show that this setting permits a polynomial time algorithm that maximizes the human's utility in the long run.
- Abstract（参考訳）: Generative AI(GenAI)は、コンテンツ作成プラットフォームに大きな影響を与えるだろう。
本稿では,GenAIと人間コントリビュータの動的競合について検討する。
人間と違い、GenAIのコンテンツは、時間とともに人間によって多くのコンテンツが作成されるときにのみ改善されるが、GenAIはより低コストでコンテンツを生成するという利点がある。
このダイナミックコンペティションモデルにおけるアルゴリズム的問題として,コンテント生成のためのGenAIと競合する場合に,人間のコントリビュータが有効性を最大化する方法について検討する。
コンテンツの価値が時間の経過とともに減少する時間感受性コンテンツ領域(ニュースやポップミュージックなど)では、ランダム化された指数時間仮説が偽でない限り、人間の最適(動的)戦略を見つけるための多項式時間アルゴリズムが存在しないことを示す。
幸いなことに、短時間のウィンドウ上でミオプティックに最適化し、ページングと証明可能な近似比が$\frac{1}{2}$の間を自然に循環する多項式時間アルゴリズムを設計することができる。
次に、コンテンツが価値を損なわない時間非依存のコンテンツドメイン(例えば、履歴事実のコンテンツ)に目を向けます。
興味深いことに、この設定は、長い目で見れば人間の実用性を最大化する多項式時間アルゴリズムを可能にする。
関連論文リスト
- Two-Timescale Model Caching and Resource Allocation for Edge-Enabled AI-Generated Content Services [55.0337199834612]
Generative AI(GenAI)は、カスタマイズされたパーソナライズされたAI生成コンテンツ(AIGC)サービスを可能にするトランスフォーメーション技術として登場した。
これらのサービスは数十億のパラメータを持つGenAIモデルの実行を必要とし、リソース制限の無線エッジに重大な障害を生じさせる。
我々は、AIGC品質とレイテンシメトリクスのトレードオフをバランスさせるために、AIGCサービスのジョイントモデルキャッシングとリソースアロケーションの定式化を導入する。
論文 参考訳（メタデータ） (2024-11-03T07:01:13Z) - Generative AI Enabled Matching for 6G Multiple Access [51.00960374545361]
我々は6G多重アクセスをサポートするGenAI対応マッチング生成フレームワークを提案する。
我々のフレームワークは、与えられた条件と事前定義された報酬に基づいて、より効果的なマッチング戦略を生成することができることを示す。
論文 参考訳（メタデータ） (2024-10-29T13:01:26Z) - Measuring Human Contribution in AI-Assisted Content Generation [68.03658922067487]
本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。
人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
論文 参考訳（メタデータ） (2024-08-27T05:56:04Z) - Conserving Human Creativity with Evolutionary Generative Algorithms: A Case Study in Music Generation [0.0]
本研究では,音楽制作における進化的生成アルゴリズムの適用について検討し,人間の創造性を保ち,向上させる。
人間のフィードバックを微分進化アルゴリズムに組み込むことで、国際レコードレーベルに提出された6曲を制作しました。
論文 参考訳（メタデータ） (2024-06-09T18:11:05Z) - The Influencer Next Door: How Misinformation Creators Use GenAI [1.1650821883155187]
我々は、非専門家がGenAIをリミックス、再パッケージ、そして(再)コンテンツの制作に利用し、彼らの個人的ニーズや欲求に応えていることに気付きました。
我々は、これらの突発的GenAIの使用が、新しいまたは加速された誤情報障害をいかに生み出すかを分析する。
論文 参考訳（メタデータ） (2024-05-22T11:40:22Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳（メタデータ） (2023-03-07T20:36:13Z) - Is This Abstract Generated by AI? A Research for the Gap between
AI-generated Scientific Text and Human-written Scientific Text [13.438933219811188]
本稿では,AIが生み出す科学内容と人間による文章とのギャップについて検討する。
我々は、AI生成科学テキストと人文科学テキストの間に、文章スタイルのギャップがあることを発見した。
論文 参考訳（メタデータ） (2023-01-24T04:23:20Z) - Procedural Content Generation using Neuroevolution and Novelty Search
for Diverse Video Game Levels [2.320417845168326]
手続き的に生成されたビデオゲームコンテンツは、ゲーム開発者や大手スタジオのコンテンツ制作予算を大幅に削減する可能性がある。
しかし、採用の妨げとなるのは、遅い生成や品質の低下、コンテンツの多様性といった制限だ。
進化的探索に基づく進化的探索手法を導入し,様々なレベルをリアルタイムでプロシージャ的に生成する手法を提案する。
論文 参考訳（メタデータ） (2022-04-14T12:54:32Z) - A new regret analysis for Adam-type algorithms [78.825194932103]
理論的には、オンライン凸最適化に対する後悔の保証は、急速に崩壊する$beta_1to0$スケジュールを必要とする。
最適なデータ依存リセット境界を一定の$beta_1$で導出できる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） (2020-03-21T19:19:51Z)
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。