論文の概要: Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management

• arxiv url: http://arxiv.org/abs/2505.10803v1
• Date: Fri, 16 May 2025 02:52:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.888829
• Title: Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management
• Title（参考訳）: 知的農業経営のための多目的強化学習への信頼モデルの開発と統合
• Authors: Zhaoan Wang, Wonseok Jang, Bowen Ruan, Jun Wang, Shaoping Xiao,
• Abstract要約: 本研究は、RLに基づく農業経営における透明性、ユーザビリティ、信頼に焦点を当てている。 我々は、AIベースの受精戦略に対する農家の信頼度を定量化する新しい数学的モデルを開発するために、確立された信頼枠組みを採用している。 従来の方法とは異なり、私たちのアプローチは信頼を直接ポリシーの最適化に組み込んでおり、技術的に堅牢で経済的に実現可能で、コンテキスト対応で、社会的に受け入れられるAIレコメンデーションを保証する。
• 参考スコア（独自算出の注目度）: 4.698114737827742
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Precision agriculture, enhanced by artificial intelligence (AI), offers promising tools such as remote sensing, intelligent irrigation, fertilization management, and crop simulation to improve agricultural efficiency and sustainability. Reinforcement learning (RL), in particular, has outperformed traditional methods in optimizing yields and resource management. However, widespread AI adoption is limited by gaps between algorithmic recommendations and farmers' practical experience, local knowledge, and traditional practices. To address this, our study emphasizes Human-AI Interaction (HAII), focusing on transparency, usability, and trust in RL-based farm management. We employ a well-established trust framework - comprising ability, benevolence, and integrity - to develop a novel mathematical model quantifying farmers' confidence in AI-based fertilization strategies. Surveys conducted with farmers for this research reveal critical misalignments, which are integrated into our trust model and incorporated into a multi-objective RL framework. Unlike prior methods, our approach embeds trust directly into policy optimization, ensuring AI recommendations are technically robust, economically feasible, context-aware, and socially acceptable. By aligning technical performance with human-centered trust, this research supports broader AI adoption in agriculture.
• Abstract（参考訳）: 人工知能(AI)によって強化された精密農業は、農業効率と持続可能性を改善するために、リモートセンシング、インテリジェント灌水、肥料管理、作物シミュレーションなどの有望なツールを提供する。 特に強化学習(RL)は、収量と資源管理を最適化する伝統的な手法よりも優れている。 しかし、AIの普及は、アルゴリズムレコメンデーションと農家の実践経験、地元の知識、伝統的なプラクティスのギャップによって制限されている。 そこで本研究では,RLに基づく農業経営における透明性,ユーザビリティ,信頼を重視したヒューマン・AIインタラクション(HAII)に注目した。 我々は、AIベースの受精戦略に対する農家の信頼を定量化する新しい数学的モデルを開発するために、能力、受益性、完全性を含む、確立された信頼の枠組みを採用している。 この研究のために農家が行った調査では、信頼モデルに統合され、多目的のRLフレームワークに組み込まれた重大なミスアライメントが明らかになった。 従来の方法とは異なり、私たちのアプローチは信頼を直接ポリシーの最適化に組み込んでおり、技術的に堅牢で、経済的に実現可能で、コンテキスト対応で、社会的に受け入れられるAIレコメンデーションを保証する。 技術的パフォーマンスを人間中心の信頼と整合させることで、この研究は農業におけるより広範なAI採用を支援する。

関連論文リスト

• Is Trust Correlated With Explainability in AI? A Meta-Analysis [0.0]
  我々は、AI説明可能性と信頼の関係を探るため、既存の文献を網羅的に調査する。 我々の分析では、90の研究データを取り入れた結果、AIシステムの説明可能性と彼らが与える信頼との間に統計的に有意だが適度な正の相関関係が明らかとなった。 この研究は、特に説明責任の促進と、医療や司法などの重要な領域におけるユーザの信頼の促進において、社会技術的に幅広い影響を強調している。
  論文  参考訳（メタデータ） (2025-04-16T23:30:55Z)
• Do LLMs trust AI regulation? Emerging behaviour of game-theoretic LLM agents [61.132523071109354]
  本稿では、異なる規制シナリオ下での戦略選択をモデル化する、AI開発者、規制当局、ユーザ間の相互作用について検討する。 我々の研究は、純粋なゲーム理論エージェントよりも「悲観的」な姿勢を採用する傾向にある戦略的AIエージェントの出現する振る舞いを特定する。
  論文  参考訳（メタデータ） (2025-04-11T15:41:21Z)
• Developmental Support Approach to AI's Autonomous Growth: Toward the Realization of a Mutually Beneficial Stage Through Experiential Learning [0.0]
  本研究では,AI自体の倫理的発展を支援する「AI開発支援」アプローチを提案する。 我々は,経験,内観,分析,仮説形成のサイクルに基づく学習フレームワークを構築した。
  論文  参考訳（メタデータ） (2025-02-27T06:12:20Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning [62.54484062185869]
  本稿では,エージェントの強化学習プロセスの最適化にステップワイド報酬を利用するStepAgentを紹介する。 エージェント反射とポリシー調整を容易にする暗黙の逆・逆の強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-06T10:35:11Z)
• Enhancing Agricultural Machinery Management through Advanced LLM Integration [0.7366405857677226]
  人工知能の農業実践への統合は、農業における効率性と持続可能性に革命をもたらす可能性がある。 本稿では,大規模言語モデル(LLM),特にGPT-4を活用して,農業機械経営における意思決定プロセスを強化する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-30T06:49:55Z)
• TRACE: TRansformer-based Attribution using Contrastive Embeddings in LLMs [50.259001311894295]
  TRACE と呼ばれるコントラスト埋め込みを用いた新しいTRansformer-based Attribution フレームワークを提案する。 TRACEは情報源の属性を精度良く改善し,大規模言語モデルの信頼性と信頼性を高める貴重なツールであることを示す。
  論文  参考訳（メタデータ） (2024-07-06T07:19:30Z)
• Recent applications of machine learning, remote sensing, and iot approaches in yield prediction: a critical review [0.0]
  農業におけるリモートセンシングと機械学習の統合は、業界を変えつつある。 本稿では、作物収量予測にRS、ML、クラウドコンピューティング、IoTを使用した関連記事についてレビューする。
  論文  参考訳（メタデータ） (2023-06-07T16:13:16Z)
• Information Theoretic Evaluation of Privacy-Leakage, Interpretability, and Transferability for a Novel Trustworthy AI Framework [11.764605963190817]
  信頼に値するAIのガイドラインと原則は、実際にAIシステムの開発中に守るべきである。 この研究は、情報理論が倫理的AIの原則を考慮に入れられるという仮説に基づいて、新しい情報理論の信頼できるAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-06T09:47:06Z)

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。