論文の概要: Hybrid Intelligence for Digital Humanities

• arxiv url: http://arxiv.org/abs/2406.15374v1
• Date: Mon, 15 Apr 2024 13:30:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 07:11:08.828333
• Title: Hybrid Intelligence for Digital Humanities
• Title（参考訳）: デジタル人間性のためのハイブリッドインテリジェンス
• Authors: Victor de Boer, Lise Stork,
• Abstract要約: デジタル人間性(DH)とハイブリッドインテリジェンス(HI)の相乗効果を研究パラダイムとして検討する。 DH研究において、デジタル手法の使用、特に人工知能の使用は、一連の要件と制約の対象となっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we explore the synergies between Digital Humanities (DH) as a discipline and Hybrid Intelligence (HI) as a research paradigm. In DH research, the use of digital methods and specifically that of Artificial Intelligence is subject to a set of requirements and constraints. We argue that these are well-supported by the capabilities and goals of HI. Our contribution includes the identification of five such DH requirements: Successful AI systems need to be able to 1) collaborate with the (human) scholar; 2) support data criticism; 3) support tool criticism; 4) be aware of and cater to various perspectives and 5) support distant and close reading. We take the CARE principles of Hybrid Intelligence (collaborative, adaptive, responsible and explainable) as theoretical framework and map these to the DH requirements. In this mapping, we include example research projects. We finally address how insights from DH can be applied to HI and discuss open challenges for the combination of the two disciplines.
• Abstract（参考訳）: 本稿では,デジタル・ヒューマニティ(DH)とハイブリット・インテリジェンス(HI)の相乗効果を研究パラダイムとして検討する。 DH研究において、デジタル手法の使用、特に人工知能の使用は、一連の要件と制約の対象となる。 これらはHIの能力と目標によく支えられていると我々は主張する。 私たちの貢献には、5つのDH要件の特定が含まれています。 1) 学者と協力すること。 2) データ批判を支持する。 3) ツール批判の支援 4) 様々な視点に気付き、注意すること。 5) 遠距離・近距離読解支援。 我々は、CAREのハイブリッドインテリジェンス(協調的、適応的、責任的、説明可能な)の原則を理論的枠組みとして、これらをDH要求にマッピングする。 このマッピングには、サンプル研究プロジェクトを含めます。 最終的に、DHからの洞察をHIに適用し、この2つの分野を組み合わせるためのオープンな課題について議論する。

関連論文リスト

• Quality Diversity for Robot Learning: Limitations and Future Directions [6.818634856205417]
  品質多様性(QD: Quality Diversity)は、ロボットスキル学習のための高性能で多様なポリシーを発見することに成功している。 我々は、オープンな検索と一般化を容易にするために、新しいパラダイムを開発する必要があると論じている。
  論文  参考訳（メタデータ） (2024-07-09T23:29:54Z)
• Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
  人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。 本調査では,Embodied AIの最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-09T14:14:47Z)
• Report of the 1st Workshop on Generative AI and Law [78.62063815165968]
  本報告では、生成AIと法に関する第1回ワークショップ(GenLaw)の開催状況について述べる。 コンピュータサイエンスと法学の実践者や学者の学際的なグループが集まり、ジェネレーティブAI法がもたらす技術的、教義的、政策上の課題について議論した。
  論文  参考訳（メタデータ） (2023-11-11T04:13:37Z)
• Next Steps for Human-Centered Generative AI: A Technical Perspective [107.74614586614224]
  我々はHuman-centered Generative AI(HGAI)の次のステップを提案する。 これらの次のステップを特定することで、HGAIにおける創発的なアイデアの一貫性を追求するため、学際的な研究チームを引き出すつもりです。
  論文  参考訳（メタデータ） (2023-06-27T19:54:30Z)
• A Concise Introduction to Reinforcement Learning in Robotics [0.0]
  本稿では,ロボット工学分野に応用された強化学習の研究者のためのリファレンスガイドとして機能することを目的とする。 我々は、ロボット工学を念頭に置いて、強化学習の分野の研究に必要な最も重要な概念を取り上げてきた。
  論文  参考訳（メタデータ） (2022-10-13T22:29:42Z)
• On some Foundational Aspects of Human-Centered Artificial Intelligence [52.03866242565846]
  人間中心人工知能(Human Centered Artificial Intelligence)の意味については明確な定義はない。 本稿では,AIコンポーネントを備えた物理・ソフトウェア計算エージェントを指すHCAIエージェントについて紹介する。 HCAIエージェントの概念は、そのコンポーネントや機能とともに、人間中心のAIに関する技術的および非技術的議論を橋渡しする手段であると考えています。
  論文  参考訳（メタデータ） (2021-12-29T09:58:59Z)
• Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
  HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。 データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
  論文  参考訳（メタデータ） (2021-10-03T21:47:13Z)
• Revisiting Citizen Science Through the Lens of Hybrid Intelligence [2.88217489723077]
  我々は,人間と人工知能の相乗的混合であるHybrid Intelligence(HI)を用いて,市民科学(CS)の課題を解決する利点について論じる。 CSの分野は、21世紀のHIと人間中心AIの開発のための貴重なテストベッドを提供していると信じている。
  論文  参考訳（メタデータ） (2021-04-30T12:55:44Z)
• Deep Learning for Information Systems Research [12.509120097898482]
  21世紀には人工知能(AI)が重要な破壊的技術として急速に台頭している。 Deep Learning(DL)は、今日のプラットフォームや組織が前例のない効率、有効性、スケールで運用できるようにする、新たなアルゴリズムのクラスである。 DLのISコントリビューションは、大きな関心をよそに制限されているが、その一部は、DL研究の定義、位置決め、実施に関する問題によるものであると我々は主張する。
  論文  参考訳（メタデータ） (2020-10-07T15:23:05Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。