論文の概要: Unlocking the Potential of Global Human Expertise
- arxiv url: http://arxiv.org/abs/2411.00156v1
- Date: Thu, 31 Oct 2024 19:02:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-05 14:52:00.693998
- Title: Unlocking the Potential of Global Human Expertise
- Title（参考訳）: グローバル・ヒューマン・エキスパートの可能性の解き放つ
- Authors: Elliot Meyerson, Olivier Francon, Darren Sargent, Babak Hodjat, Risto Miikkulainen,
- Abstract要約: より大きく多様な知識基盤において補完的な情報を識別、組み合わせ、洗練することは困難である。
RHEAと呼ばれる進化的AIフレームワークは、人間の専門家が作成した様々なモデルの知識を等価なニューラルネットワークに蒸留することで、この役割を果たす。
- 参考スコア（独自算出の注目度）: 11.547756920342659
- License:
- Abstract: Solving societal problems on a global scale requires the collection and processing of ideas and methods from diverse sets of international experts. As the number and diversity of human experts increase, so does the likelihood that elements in this collective knowledge can be combined and refined to discover novel and better solutions. However, it is difficult to identify, combine, and refine complementary information in an increasingly large and diverse knowledge base. This paper argues that artificial intelligence (AI) can play a crucial role in this process. An evolutionary AI framework, termed RHEA, fills this role by distilling knowledge from diverse models created by human experts into equivalent neural networks, which are then recombined and refined in a population-based search. The framework was implemented in a formal synthetic domain, demonstrating that it is transparent and systematic. It was then applied to the results of the XPRIZE Pandemic Response Challenge, in which over 100 teams of experts across 23 countries submitted models based on diverse methodologies to predict COVID-19 cases and suggest non-pharmaceutical intervention policies for 235 nations, states, and regions across the globe. Building upon this expert knowledge, by recombining and refining the 169 resulting policy suggestion models, RHEA discovered a broader and more effective set of policies than either AI or human experts alone, as evaluated based on real-world data. The results thus suggest that AI can play a crucial role in realizing the potential of human expertise in global problem-solving.
- Abstract（参考訳）: グローバルスケールでの社会問題の解決には、さまざまな国際専門家によるアイデアと手法の収集と処理が必要である。
人間の専門家の数と多様性が増加するにつれて、この集合的知識の要素が結合され、洗練され、新しいより良い解決策が発見できる可能性も高まる。
しかし、より大きく多様な知識基盤において補完的な情報を識別、組み合わせ、洗練することは困難である。
本稿では,このプロセスにおいて人工知能(AI)が重要な役割を果たすことを論じる。
RHEAと呼ばれる進化的AIフレームワークは、人間の専門家が作成した様々なモデルの知識を等価なニューラルネットワークに蒸留することで、この役割を果たす。
このフレームワークは形式的な合成ドメインで実装され、透明性と体系性を示している。
その後、XPRIZE Pandemic Response Challenge(パンデミック・レスポンス・チャレンジ)の結果に適用され、23カ国にまたがる100以上の専門家チームが、新型コロナウイルスの患者を予測し、世界中の235か国、州、地域の非薬品介入政策を提案する様々な方法論に基づいたモデルを提出した。
RHEAは、この専門家の知識に基づいて、169のポリシー提案モデルを組み直し、修正することで、実世界のデータに基づいて評価されるように、AIまたは人間の専門家単独よりも広く、より効果的なポリシーセットを発見した。
その結果、AIはグローバルな問題解決における人間の専門知識の可能性を実現する上で重要な役割を担っていることが示唆された。
関連論文リスト
- OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels [2.675793767640172]
説明可能なAI(xAI)における有望なテクニックとして、CF(Counterfactual Explanations)が登場している。
本稿では, 局所的, グループ的, グローバルな対実的説明を識別可能な分類モデルに対して生成するための統一的アプローチを提案する。
我々の研究は、AIモデルの解釈可能性と説明可能性を大幅に向上させ、透明なAI追求の一歩を踏み出した。
論文 参考訳（メタデータ） (2024-05-27T20:32:09Z) - Leveraging Multi-AI Agents for Cross-Domain Knowledge Discovery [0.0]
本研究では,マルチAIエージェントの展開によるドメイン間知識発見への新たなアプローチを提案する。
本研究は,知識ギャップの特定とブリッジングにおいて,ドメイン固有マルチAIエージェントシステムの優れた能力を示すものである。
論文 参考訳（メタデータ） (2024-04-12T14:50:41Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Blessing from Human-AI Interaction: Super Reinforcement Learning in
Confounded Environments [19.944163846660498]
本稿では,データ駆動シーケンシャル意思決定に人間-AIインタラクションを活用する超強化学習のパラダイムを紹介する。
未測定のコンファウンディングを伴う意思決定プロセスでは、過去のエージェントによって取られたアクションは、未開示の情報に対する貴重な洞察を提供することができる。
我々は、いくつかの超政治学習アルゴリズムを開発し、その理論的性質を体系的に研究する。
論文 参考訳（メタデータ） (2022-09-29T16:03:07Z) - Multi-AI Complex Systems in Humanitarian Response [0.0]
比較的単純な現実世界の人道的応答シナリオにおいても、マルチAIシステムがいかにして発生しうるかを説明し、潜在的に創発的で不正な行動を引き起こす。
本論文は、人道的対応の分野におけるこのトピックに関する最初の展示として、意識を高め、このドメインの展望を探究し、より広いコミュニティにおける今後の仕事の出発点を提供するように設計されている。
論文 参考訳（メタデータ） (2022-08-24T03:01:21Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。
専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。
専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
論文 参考訳（メタデータ） (2022-01-24T14:27:00Z) - Modeling Human-AI Team Decision Making [14.368767225297585]
我々は、不完全なAIエージェントが支援する一連の人間のグループに、知的な問題を提示する。
あるグループの目標は、グループのメンバーとその利用可能なAIエージェントの相対的な専門知識を評価することだった。
本研究では,人間-AIグループの行動予測における,予測理論,影響力学,ベイズ学習の社会的認知的構成要素の価値を示す。
論文 参考訳（メタデータ） (2022-01-08T04:23:23Z) - 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。