Fugu-MT 論文翻訳(概要): Supporting Data-Frame Dynamics in AI-assisted Decision Making

論文の概要: Supporting Data-Frame Dynamics in AI-assisted Decision Making

arxiv url: http://arxiv.org/abs/2504.15894v1
Date: Tue, 22 Apr 2025 13:36:06 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-30 18:16:54.98036
Title: Supporting Data-Frame Dynamics in AI-assisted Decision Making
Title（参考訳）: AIによる意思決定におけるデータフレームダイナミクスのサポート
Authors: Chengbo Zheng, Tim Miller, Alina Bialkowski, H Peter Soyer, Monika Janda,
Abstract要約: 高い利害関係の意思決定は、進化する証拠とシフトする仮説の間の継続的な相互作用を必要とする。我々は、センスメイキングのデータフレーム理論と評価AIパラダイムに基づく、AI支援意思決定のための混合開始型フレームワークを導入する。
参考スコア（独自算出の注目度）: 6.4219774981192455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: High stakes decision-making often requires a continuous interplay between evolving evidence and shifting hypotheses, a dynamic that is not well supported by current AI decision support systems. In this paper, we introduce a mixed-initiative framework for AI assisted decision making that is grounded in the data-frame theory of sensemaking and the evaluative AI paradigm. Our approach enables both humans and AI to collaboratively construct, validate, and adapt hypotheses. We demonstrate our framework with an AI-assisted skin cancer diagnosis prototype that leverages a concept bottleneck model to facilitate interpretable interactions and dynamic updates to diagnostic hypotheses.
Abstract（参考訳）: 高い利害関係の意思決定は、しばしば進化するエビデンスとシフトする仮説の間の継続的な相互作用を必要とします。本稿では、センスメイキングのデータフレーム理論と評価AIパラダイムに基づくAI支援意思決定のための混合開始型フレームワークを提案する。我々のアプローチは、人間とAIが共同で仮説を構築し、検証し、適応することを可能にする。我々は,AIを用いた皮膚がん診断のプロトタイプで,解釈可能な相互作用と診断仮説の動的更新を容易にするために,概念ボトルネックモデルを活用する。

関連論文リスト

Explanation-Driven Interventions for Artificial Intelligence Model Customization: Empowering End-Users to Tailor Black-Box AI in Rhinocytology [3.4705962607086973]
本稿では、ブラックボックスAIモデルのための新しいエンドユーザー開発(EUD)アプローチを提案する。提案手法はHuman-Centered AI(HCAI)を進化させ,人間と適応型ユーザカスタマイズ型AIシステムとの共生関係を促進する。
論文参考訳（メタデータ） (2025-04-07T08:44:48Z)
How Performance Pressure Influences AI-Assisted Decision Making [57.53469908423318]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文参考訳（メタデータ） (2024-10-21T22:39:52Z)
Interactive Example-based Explanations to Improve Health Professionals' Onboarding with AI for Human-AI Collaborative Decision Making [2.964175945467257]
成長する研究は、人間とAIの協調的な意思決定において、ユーザの意思決定フェーズにおけるAI説明の使用について調査している。以前の研究では、間違ったAI出力に対する過信の問題が見つかった。医療従事者のAIによるオフボード化を改善するために,インタラクティブな例に基づく説明を提案する。
論文参考訳（メタデータ） (2024-09-24T07:20:09Z)
Explainable and Human-Grounded AI for Decision Support Systems: The Theory of Epistemic Quasi-Partnerships [0.0]
我々は、倫理的で説明可能なAI(XAI)の要求を満たすことは、人間の意思決定者に3種類の人為的説明を提供するAI-DSSを開発することであると論じている。優れた人為的理由を構成するものに関する現在の理論が、この証拠を適切に説明していないか、あるいは開発に健全な倫理的アドバイスを提供していないかを実証する。
論文参考訳（メタデータ） (2024-09-23T09:14:25Z)
Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文参考訳（メタデータ） (2024-07-03T15:38:57Z)
Enhancing Breast Cancer Diagnosis in Mammography: Evaluation and Integration of Convolutional Neural Networks and Explainable AI [0.0]
本研究では,畳み込みニューラルネットワーク(CNN)と説明可能な人工知能(XAI)を組み合わせて乳がんの診断を高度化するための統合フレームワークを提案する。この方法論は、データセットの制限に対処するために、精巧なデータ前処理パイプラインと高度なデータ拡張技術を含んでいる。本研究の焦点は,モデル予測の解釈におけるXAIの有効性を評価することである。
論文参考訳（メタデータ） (2024-04-05T05:00:21Z)
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)
Emergent Explainability: Adding a causal chain to neural network inference [0.0]
本稿では,創発的コミュニケーション(EmCom)による説明可能な人工知能(xAI)の強化のための理論的枠組みを提案する。我々は、EmComのAIシステムへの新たな統合を探求し、入力と出力の間の従来の連想関係から、より微妙で因果的解釈へのパラダイムシフトを提供する。本稿は、このアプローチの理論的基盤、潜在的に広い応用、そして、責任と透明なAIシステムに対するニーズの増大と整合性について論じる。
論文参考訳（メタデータ） (2024-01-29T02:28:39Z)
Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-11-27T18:57:42Z)
Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review [6.013543974938446]
意思決定支援システムにおける人工知能の活用は、技術的進歩に不相応に焦点を合わせてきた。人間中心の視点は、既存のプロセスとのシームレスな統合のためにAIソリューションを設計することで、この懸念を緩和しようとする。
論文参考訳（メタデータ） (2023-10-30T17:46:38Z)
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)
A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。