論文の概要: A Mathematical Framework for AI-Human Integration in Work

• arxiv url: http://arxiv.org/abs/2505.23432v1
• Date: Thu, 29 May 2025 13:26:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.871007
• Title: A Mathematical Framework for AI-Human Integration in Work
• Title（参考訳）: 作業におけるAI-Human統合のための数学的フレームワーク
• Authors: Elisa Celis, Lingxiao Huang, Nisheeth K. Vishnoi,
• Abstract要約: 我々は,人間とGenAIの相補的な強みを反映する,意思決定レベルと行動レベルのサブスキルに,新たなスキルの分解を導入する。 われわれの結果は、GenAIがいつ、どのように人間のスキルを補完するかを強調している。
• 参考スコア（独自算出の注目度）: 28.303740054639672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid rise of Generative AI (GenAI) tools has sparked debate over their role in complementing or replacing human workers across job contexts. We present a mathematical framework that models jobs, workers, and worker-job fit, introducing a novel decomposition of skills into decision-level and action-level subskills to reflect the complementary strengths of humans and GenAI. We analyze how changes in subskill abilities affect job success, identifying conditions for sharp transitions in success probability. We also establish sufficient conditions under which combining workers with complementary subskills significantly outperforms relying on a single worker. This explains phenomena such as productivity compression, where GenAI assistance yields larger gains for lower-skilled workers. We demonstrate the framework' s practicality using data from O*NET and Big-Bench Lite, aligning real-world data with our model via subskill-division methods. Our results highlight when and how GenAI complements human skills, rather than replacing them.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)ツールの急速な普及は、ジョブコンテキスト間でのヒューマンワーカーの補完や置き換えにおける彼らの役割に関する議論を引き起こしている。 本稿では,人間とGenAIの相補的な強みを反映した,意思決定レベルおよび行動レベルサブスキルへのスキルの新たな分解を導入し,雇用・労働者・労働者・労働者の適合をモデル化する数学的枠組みを提案する。 我々は、サブスキル能力の変化が仕事の成功にどのように影響するかを分析し、成功確率の急激な移行の条件を特定する。 また,労働者と相補的なサブスキルを組み合わせれば,一人の労働者に頼って著しく優れる十分な条件も確立する。 これは、生産性の圧縮のような現象を説明し、GenAIアシストはより熟練の労働者に大きな利益をもたらす。 我々は,O*NETとBig-Bench Liteのデータを用いて,フレームワークの実用性を実証する。 われわれの結果は、GenAIがいつ、どのように人間のスキルを補完するかを強調している。

関連論文リスト

• A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
  性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。 この枠組みは、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基礎を築いた。
  論文  参考訳（メタデータ） (2025-05-23T23:19:15Z)
• 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)
• RLDG: Robotic Generalist Policy Distillation via Reinforcement Learning [53.8293458872774]
  本稿では,RLDG(Reinforcement Learning Distilled Generalists)を提案する。 我々は、RL生成データで訓練されたジェネラリストポリシーが、人間の実演で訓練された者より一貫して優れていたことを実証する。 以上の結果から,タスク固有RLと一般政策蒸留を組み合わせることで,より有能で効率的なロボット操作システムの開発が期待できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-13T04:57:55Z)
• 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)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• AI and Jobs: Has the Inflection Point Arrived? Evidence from an Online Labor Platform [0.13124513975412255]
  我々は、AIが異なるオンライン労働市場(OLM)のフリーランサーにどのように影響するかを調査する。 そこで我々はCournot型競合モデルを開発した。 合衆国のWebデベロッパは、他のリージョンに比べてChatGPTのリリースの恩恵を受ける傾向にある。
  論文  参考訳（メタデータ） (2023-12-07T10:06:34Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Discovering Generalizable Skills via Automated Generation of Diverse Tasks [82.16392072211337]
  本稿では,多種多様なタスクの自動生成による一般化可能なスキルの発見手法を提案する。 教師なしスキル発見の先行研究とは対照的に,本手法では各スキルをトレーニング可能なタスクジェネレータが生成するユニークなタスクとペアリングする。 生成したタスクにおけるロボットの動作に定義されたタスク判別器を共同で訓練し、多様性目標の低いエビデンスを推定する。 学習スキルは階層的な強化学習アルゴリズムで構成され、目に見えない目標タスクを解決する。
  論文  参考訳（メタデータ） (2021-06-26T03:41:51Z)

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。