論文の概要: A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge

• arxiv url: http://arxiv.org/abs/2505.18422v2
• Date: Tue, 27 May 2025 02:30:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.425829
• Title: A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge
• Title（参考訳）: タスク駆動型ヒューマンAIコラボレーション - 自動化の時期,コラボレーションの時期,挑戦の時期
• Authors: Saleh Afroogh, Kush R. Varshney, Jason DCruz,
• Abstract要約: 我々は,人間とAIの適切な統合が,パフォーマンスを向上しつつ,有意義なエージェンシーを維持していることを示す。 このフレームワークは、実用的で道徳的に健全な人間とAIのコラボレーションのためのファインダオプションを配置する。
• 参考スコア（独自算出の注目度）: 16.734679201317896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: According to several empirical investigations, despite en-hancing human capabilities, human-AI cooperation fre-quently falls short of expectations and fails to reach true synergy. We propose a task-driven framework that reverses prevalent approaches by assigning AI roles according to how the task's requirements align with the capabilities of AI technology. Three major AI roles are identified through task analysis across risk and complexity dimensions: au-tonomous, assistive/collaborative, and adversarial. We show how proper human-AI integration maintains mean-ingful agency while improving performance by methodical-ly mapping these roles to various task types based on cur-rent empirical findings. This framework lays the founda-tion for practically effective and morally sound human-AI collaboration that unleashes human potential by aligning task attributes to AI capabilities. It also provides structured guidance for context-sensitive automation that comple-ments human strengths rather than replacing human judg-ment.
• Abstract（参考訳）: いくつかの実証的な調査によると、人間とAIの協力は人力の強化にもかかわらず、期待に届かず、真のシナジーに到達できなかった。 我々は、タスクの要求がAI技術の能力とどのように一致しているかに応じて、AIロールを割り当てることで、一般的なアプローチを逆転するタスク駆動フレームワークを提案する。 3つの主要なAIの役割は、リスクと複雑性の次元にわたるタスク分析によって特定される。 本稿では,これらの役割をカーレント実験結果に基づく様々なタスクタイプに方法論的にマッピングすることで,人間とAIの適切な統合が,平均的なエージェントを維持しつつ,パフォーマンスを向上させていることを示す。 このフレームワークは、タスク属性をAI機能に整合させることで、人間の潜在能力を解放する、実用的で道徳的に健全な人間とAIのコラボレーションのためのファインダを配置する。 また、人間のジャッジメントを置き換えるのではなく、人間の強みを補うような、文脈に敏感な自動化のための構造化されたガイダンスも提供する。

関連論文リスト

• Modeling AI-Human Collaboration as a Multi-Agent Adaptation [0.0]
  タスクの関数としてAIと人間のコラボレーションを形式化するエージェントベースのシミュレーションを開発する。 モジュラータスクでは、AIが人間の代わりになることが多いことを示します。 また、記憶や構造が欠如している「幻覚的」AIでさえ、ローカルオプティマから逃れることによって、低能力な人間を増強することで、結果を改善することも示しています。
  論文  参考訳（メタデータ） (2025-04-29T16:19:53Z)
• Unraveling Human-AI Teaming: A Review and Outlook [2.3396455015352258]
  人工知能(AI)は前例のないペースで進歩しており、意思決定と生産性を高める可能性がある。 しかし、人間とAIの協調的な意思決定プロセスはまだ未開発であり、しばしばその変革の可能性に欠ける。 本稿では,AIエージェントの受動的ツールから,複雑な環境下での学習,適応,自律的な運用能力を強調した,人間-AIチームの積極的な協力者への進化について考察する。
  論文  参考訳（メタデータ） (2025-04-08T07:37:25Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• The Model Mastery Lifecycle: A Framework for Designing Human-AI Interaction [0.0]
  ますます多くの分野におけるAIの利用は、長いプロセスの最新のイテレーションである。 異なる状況でAIをどのように使うべきかを決定する方法が緊急に必要である。
  論文  参考訳（メタデータ） (2024-08-23T01:00:32Z)
• Beyond Recommender: An Exploratory Study of the Effects of Different AI Roles in AI-Assisted Decision Making [48.179458030691286]
  Recommender、Analyzer、Devil's Advocateの3つのAIの役割について検討する。 以上の結果から,各役割のタスクパフォーマンス,信頼性の適切性,ユーザエクスペリエンスにおける長所と短所が明らかとなった。 これらの洞察は、異なる状況に応じて適応的な機能的役割を持つAIアシスタントを設計する上で、貴重な意味を提供する。
  論文  参考訳（メタデータ） (2024-03-04T07:32:28Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• Human-AI Collaboration: The Effect of AI Delegation on Human Task Performance and Task Satisfaction [0.0]
  タスク性能とタスク満足度はAIデリゲートによって向上することを示す。 我々は、これらの改善の基盤となるメカニズムとして、人間による自己効力の増大を見いだした。 我々の発見は、AIモデルがより多くの管理責任を引き継ぐことが、人間とAIのコラボレーションの効果的な形態であることを示す最初の証拠を提供する。
  論文  参考訳（メタデータ） (2023-03-16T11:02:46Z)
• 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)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)

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。