Fugu-MT 論文翻訳(概要): Early Impacts of M365 Copilot

論文の概要: Early Impacts of M365 Copilot

arxiv url: http://arxiv.org/abs/2504.11443v1
Date: Tue, 15 Apr 2025 17:55:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-23 22:57:00.645616
Title: Early Impacts of M365 Copilot
Title（参考訳）: M365コパイロットの早期影響
Authors: Eleanor Wiske Dillon, Sonia Jaffe, Sida Peng, Alexia Cambon,
Abstract要約: 我々は、AIがいかにして知識労働者の仕事の仕方を変えつつあるかについて、最も初期の証拠をいくつか提示する。さまざまな産業や職業において、共通コアタスクの大幅な削減が期待できる。技術が新しくなったにもかかわらず、ツールにアクセスできる労働者の40%近くが、6ヶ月にわたる研究で定期的に利用している。
参考スコア（独自算出の注目度）: 12.676018679245672
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Advances in generative AI have rapidly expanded the potential of computers to perform or assist in a wide array of tasks traditionally performed by humans. We analyze a large, real-world randomized experiment of over 6,000 workers at 56 firms to present some of the earliest evidence on how these technologies are changing the way knowledge workers do their jobs. We find substantial time savings on common core tasks across a wide range of industries and occupations: workers who make use of this technology spent half an hour less reading email each week and completed documents 12% faster. Despite the newness of the technology, nearly 40% of workers who were given access to the tool used it regularly in their work throughout the 6-month study.
Abstract（参考訳）: 生成AIの進歩は、人間が伝統的に行ってきた幅広いタスクの実行や支援を行うコンピュータの可能性を急速に拡大してきた。 56の企業で6000人以上の労働者をランダム化した大規模なランダム化実験を分析し、これらの技術がどのように知識労働者の仕事の仕方を変えているかについて、最も初期の証拠をいくつか提示する。この技術を利用する労働者は、週に30時間もメールを読んでいないし、文書の完成も12%速くなりました。技術が新しくなったにもかかわらず、ツールにアクセスできる労働者の40%近くが、6ヶ月にわたる研究で定期的に利用している。

関連論文リスト

Shifting Work Patterns with Generative AI [2.2686659871784043]
本稿では,生産型AIが知識労働者の作業パターンをどのように変えるかを示す。 6000人の労働者の半数は、電子メール、文書作成、会議にすでに使用しているアプリケーションに統合された生成AIツールにアクセスした。
論文参考訳（メタデータ） (2025-04-15T17:52:00Z)
Exponential Shift: Humans Adapt to AI Economies [0.0]
人間は1時間に5000～20,000のトークン(情報の単位)を処理し、AIはそれをはるかに上回っている。我々は、AI駆動経済への公平な移行を保証するために、4日間のワークウィークや再トレーニングのような6つの戦略を提案する。
論文参考訳（メタデータ） (2025-04-11T04:43:53Z)
Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。 AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
論文参考訳（メタデータ） (2025-03-28T14:00:27Z)
HCAST: Human-Calibrated Autonomy Software Tasks [1.5287939112540956]
HCASTは189の機械学習エンジニアリング、サイバーセキュリティ、ソフトウェアエンジニアリング、一般的な推論タスクのベンチマークである。 HCASTタスクは1分から8時間以上かかると見積もっている。我々は、フロンティア基礎モデルに基づいて構築されたAIエージェントの成功率を評価する。
論文参考訳（メタデータ） (2025-03-21T17:54:01Z)
Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations [18.86239369192921]
我々は最近のプライバシー保護システムを活用して、400万件以上のClaude.ai会話を分析します。我々の分析によると、AIの利用は主にソフトウェア開発とタスクを書くことに集中している。また、AIがタスクにどのように使われているかを分析し、使用量の57%が人間の能力の増強を示唆している。
論文参考訳（メタデータ） (2025-02-11T00:46:43Z)
SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
論文参考訳（メタデータ） (2024-10-23T17:42:07Z)
Generative artificial intelligence usage by researchers at work: Effects of gender, career stage, type of workplace, and perceived barriers [0.0]
近年, 次世代人工知能技術の研究環境への統合が盛んに行われている。本稿では,プロの環境における研究者間の生成AIの利用頻度の要因を探究する。
論文参考訳（メタデータ） (2024-08-31T22:00:21Z)
Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
米国の雇用の3分の1はAIに強く依存しており、主に大学院または大学院の教育を必要とする高度な職業で行われている。高度な職業であっても、AIはタスク置換において高い多様性を示し、AIと人間は同じ職業の中で相互に補完することを示唆している。すべての結果、モデル、コードはオンラインで公開されており、コミュニティが結果を再現し、結果を比較し、私たちの仕事をベンチマークとして使用して、時間とともにAIの進捗を監視します。
論文参考訳（メタデータ） (2024-07-27T08:14:18Z)
MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
論文参考訳（メタデータ） (2024-06-10T15:19:09Z)
Reinforcement Learning with Foundation Priors: Let the Embodied Agent Efficiently Learn on Its Own [59.11934130045106]
我々は、政策、価値、成功-回帰基盤モデルからのガイダンスとフィードバックを活用するために、RLFP(Reinforcement Learning with Foundation Priors)を提案する。本フレームワークでは,自動報酬関数を用いてより効率的にエージェントを探索できるファウンデーション誘導型アクター・クリティカル(FAC)アルゴリズムを導入する。本手法は,実ロボットとシミュレーションの両方において,様々な操作タスクにおいて顕著な性能を実現する。
論文参考訳（メタデータ） (2023-10-04T07:56:42Z)
Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
論文参考訳（メタデータ） (2023-09-22T01:06:32Z)
Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
論文参考訳（メタデータ） (2023-06-15T14:08:07Z)
Accelerating Robotic Reinforcement Learning via Parameterized Action Primitives [92.0321404272942]
強化学習は汎用ロボットシステムの構築に使用することができる。しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
論文参考訳（メタデータ） (2021-10-28T17:59:30Z)

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。