論文の概要: Enhancing Selection of Climate Tech Startups with AI -- A Case Study on Integrating Human and AI Evaluations in the ClimaTech Great Global Innovation Challenge

• arxiv url: http://arxiv.org/abs/2505.21562v1
• Date: Tue, 27 May 2025 02:23:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.16355
• Title: Enhancing Selection of Climate Tech Startups with AI -- A Case Study on Integrating Human and AI Evaluations in the ClimaTech Great Global Innovation Challenge
• Title（参考訳）: 気候技術スタートアップの選択をAIで強化する - ClimaTech Great Global Innovation Challengeにおける人間とAIの評価の統合に関するケーススタディ
• Authors: Jennifer Turliuk, Alejandro Sevilla, Daniela Gorza, Tod Hynes,
• Abstract要約: ClimaTechのコンペティションは、トップクラスの気候テックスタートアップを見つけることを目的としている。 この手法には、初期AIレビュー、人間によって判断される準決勝、ハイブリッド重み付けを用いた決勝という3つのフェーズが含まれていた。 決勝では5人の審査員が参加し、重み付けは83.3%、AIは16.7%に移行した。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This case study examines the ClimaTech Great Global Innovation Challenge's approach to selecting climate tech startups by integrating human and AI evaluations. The competition aimed to identify top startups and enhance the accuracy and efficiency of the selection process through a hybrid model. Research shows data-driven approaches help VC firms reduce bias and improve decision-making. Machine learning models have outperformed human investors in deal screening, helping identify high-potential startups. Incorporating AI aimed to ensure more equitable and objective evaluations. The methodology included three phases: initial AI review, semi-finals judged by humans, and finals using a hybrid weighting. In phase one, 57 applications were scored by an AI tool built with StackAI and OpenAI's GPT-4o, and the top 36 advanced. In the semi-finals, human judges, unaware of AI scores, evaluated startups on team quality, market potential, and technological innovation. Each score - human or AI - was weighted equally, resulting in 75 percent human and 25 percent AI influence. In the finals, with five human judges, weighting shifted to 83.3 percent human and 16.7 percent AI. There was a moderate positive correlation between AI and human scores - Spearman's = 0.47 - indicating general alignment with key differences. Notably, the final four startups, selected mainly by humans, were among those rated highest by the AI. This highlights the complementary nature of AI and human judgment. The study shows that hybrid models can streamline and improve startup assessments. The ClimaTech approach offers a strong framework for future competitions by combining human expertise with AI capabilities.
• Abstract（参考訳）: このケーススタディでは、人間とAIの評価を統合することにより、気候技術スタートアップを選択するためのClimaTech Great Global Innovation Challengeのアプローチについて検討する。 このコンペティションは、トップスタートアップを特定し、ハイブリッドモデルを通じて選択プロセスの正確性と効率を高めることを目的としている。 調査によると、データ駆動のアプローチはVC企業が偏見を減らし、意思決定を改善するのに役立つ。 機械学習モデルは、取引のスクリーニングにおいて人間の投資家より優れており、高いポテンシャルを持つスタートアップを特定するのに役立っている。 AIの導入は、より公平で客観的な評価を保証することを目的としていた。 この手法には、初期AIレビュー、人間によって判断される準決勝、ハイブリッド重み付けを用いた決勝という3つのフェーズが含まれていた。 フェーズ1では、57のアプリケーションがStackAIとOpenAIのGPT-4oで構築されたAIツールによってスコアされ、トップ36が進んだ。 準決勝では、AIのスコアを知らない人間の審査員が、チーム品質、市場の可能性、技術革新に関するスタートアップを評価した。 各スコア(人間またはAI)は均等に重み付けされ、75パーセントが人間、25%がAIの影響を受けている。 決勝では5人の審査員が参加し、重み付けは83.3%、AIは16.7%に移行した。 AIと人間のスコアとの間には適度な正の相関関係(Spearman's = 0.47)があった。 とくに、人間によって選ばれた最後の4つのスタートアップは、AIによって評価された。 これはAIと人間の判断の相補的な性質を強調している。 この研究は、ハイブリッドモデルがスタートアップアセスメントの合理化と改善を可能にすることを示している。 ClimaTechのアプローチは、人間の専門知識とAI能力を組み合わせることによって、将来の競争に強力なフレームワークを提供する。

関連論文リスト

• 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)
• Training Towards Critical Use: Learning to Situate AI Predictions Relative to Human Knowledge [22.21959942886099]
  我々は、人間がAIモデルでは利用できない知識に対してAI予測をシチュレートする能力を集中させる「クリティカルユース」と呼ばれるプロセス指向の適切な依存の概念を紹介します。 我々は、児童虐待スクリーニングという複雑な社会的意思決定環境でランダム化オンライン実験を行う。 参加者にAIによる意思決定を実践する、迅速で低い機会を提供することによって、初心者は、経験豊富な労働者に類似したAIとの不一致のパターンを示すようになった。
  論文  参考訳（メタデータ） (2023-08-30T01:54:31Z)
• Assessing Large Language Models' ability to predict how humans balance self-interest and the interest of others [0.0]
  生成的人工知能(AI)は意思決定プロセスに革命をもたらす大きな可能性を秘めている。 生成AIを活用することで、人間はデータ駆動の洞察と予測の恩恵を受けることができる。 しかし、AIが意思決定の信頼できるアシスタントになるためには、自己利益と他者の利益のバランスを捉えることが不可欠である。
  論文  参考訳（メタデータ） (2023-07-21T13:23:31Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Advancing Human-AI Complementarity: The Impact of User Expertise and Algorithmic Tuning on Joint Decision Making [10.890854857970488]
  ユーザのドメイン知識、AIシステムのメンタルモデル、レコメンデーションへの信頼など、多くの要因がヒューマンAIチームの成功に影響を与える可能性がある。 本研究は,非自明な血管ラベル作成作業において,血管が流れているか停止しているかを被験者に示すことを目的とした。 以上の結果から,AI-Assistantからの推薦はユーザの意思決定に役立つが,AIに対するユーザベースラインのパフォーマンスや,AIエラー型の相補的チューニングといった要因は,チーム全体のパフォーマンスに大きな影響を及ぼすことが示された。
  論文  参考訳（メタデータ） (2022-08-16T21:39:58Z)
• Uncalibrated Models Can Improve Human-AI Collaboration [10.106324182884068]
  私たちは、AIモデルを実際によりも自信を持って提示することで、人間-AIのパフォーマンスが向上することを示した。 私たちはまず、何千もの人間のインタラクションのデータを使って、人間がAIアドバイスを組み込む方法のモデルを学びます。
  論文  参考訳（メタデータ） (2022-02-12T04:51:00Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)
• Effect of Confidence and Explanation on Accuracy and Trust Calibration in AI-Assisted Decision Making [53.62514158534574]
  ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。 信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
  論文  参考訳（メタデータ） (2020-01-07T15:33:48Z)

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。