論文の概要: Subjective Perspectives within Learned Representations Predict High-Impact Innovation

• arxiv url: http://arxiv.org/abs/2506.04616v1
• Date: Thu, 05 Jun 2025 04:18:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.5273
• Title: Subjective Perspectives within Learned Representations Predict High-Impact Innovation
• Title（参考訳）: 学習表現における主観的視点 : ハイイノクティヴイノベーションを予見する
• Authors: Likun Cao, Rui Pan, James Evans,
• Abstract要約: 測定された主観的視点は、個人やグループが創造的に何を参加し、将来うまく組み合わせられるかを予測する。 我々は、様々な視点と背景の多様性で設計されたAIエージェント間の自然な実験を分析し、創造的なコラボレーションをシミュレートする。
• 参考スコア（独自算出の注目度）: 3.5912245880418125
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Existing studies of innovation emphasize the power of social structures to shape innovation capacity. Emerging machine learning approaches, however, enable us to model innovators' personal perspectives and interpersonal innovation opportunities as a function of their prior trajectories of experience. We theorize then quantify subjective perspectives and innovation opportunities based on innovator positions within the geometric space of concepts inscribed by dynamic language representations. Using data on millions of scientists, inventors, writers, entrepreneurs, and Wikipedia contributors across the creative domains of science, technology, film, entrepreneurship, and Wikipedia, here we show that measured subjective perspectives anticipate what ideas individuals and groups creatively attend to and successfully combine in future. When perspective and background diversity are decomposed as the angular difference between collaborators' perspectives on their creation and between their experiences, the former consistently anticipates creative achievement while the latter portends its opposite, across all cases and time periods examined. We analyze a natural experiment and simulate creative collaborations between AI (large language model) agents designed with various perspective and background diversity, which are consistent with our observational findings. We explore mechanisms underlying these findings and identify how successful collaborators leverage common language to weave together diverse experience obtained through trajectories of prior work that converge to provoke one another and innovate. We explore the importance of these findings for team assembly and research policy.
• Abstract（参考訳）: 既存のイノベーションの研究は、イノベーションの能力を形成する社会的構造の力を強調している。 しかし、新しい機械学習アプローチにより、イノベーターの個人的視点と対人的イノベーションの機会を、以前の経験の軌跡の関数としてモデル化することができる。 そこで我々は,動的言語表現によって記述された概念の幾何学的空間におけるイノベータの位置に基づいて,主観的視点とイノベーションの機会を定量化する。 何百万人もの科学者、発明家、作家、起業家、ウィキペディアのコントリビュータのデータを科学、技術、映画、起業家シップ、ウィキペディアの創造的な領域で利用し、測定された主観的な視点は、個人やグループが創造的に参加し、将来どのように組み合わせられるかを予測する。 視点と背景の多様性が、その創造に関する共同作業者の視点と経験の間の角度の違いとして分解されるとき、前者は一貫して創造的な達成を予想し、後者は、すべてのケースと期間にわたって、その逆を予想する。 我々は、自然実験を分析し、さまざまな視点と背景の多様性で設計されたAIエージェント間の創造的なコラボレーションをシミュレートする。 本研究は,これらの研究の基盤となるメカニズムを探求し,共同作業者が共通言語をどのように活用し,先行作業の軌跡から得られた多様な経験を織り合わせ,お互いを刺激し,革新する方法について考察する。 チーム・アセンブリとリサーチ・ポリシーにおけるこれらの発見の重要性について検討する。

関連論文リスト

• Cooking Up Creativity: A Cognitively-Inspired Approach for Enhancing LLM Creativity through Structured Representations [53.950760059792614]
  大きな言語モデル(LLM)は数え切れないほど多くのタスクで優れていますが、創造性に苦慮しています。 我々は、LLMと構造化表現を結合し、より創造的で多様なアイデアを生み出すために認知的にインスピレーションを与える新しいアプローチを導入する。 我々は、創造的なレシピを生成するモデルであるDishCOVERを用いて、料理分野における我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2025-04-29T11:13:06Z)
• Probing and Inducing Combinational Creativity in Vision-Language Models [52.76981145923602]
  VLM(Vision-Language Models)の最近の進歩は、それらのアウトプットが組合せの創造性を反映しているかという議論を引き起こしている。 本稿では,創造的プロセスを3つのレベルに分解するIEIフレームワークを提案する。 このフレームワークを検証するために、IEIフレームワークに従って注釈付けされた666人のアーティストによる視覚マッシュアップの高品質データセットであるCreativeMashupをキュレートする。
  論文  参考訳（メタデータ） (2025-04-17T17:38:18Z)
• Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art [90.8684263806649]
  視覚芸術の創造において、AIが人間の認知的限界を超越する方法を示します。 我々の研究は、視覚芸術には膨大な未探索の概念的組み合わせが含まれているという仮説を立てている。 本稿では,人間の認知能力を超えた概念の組み合わせを同定し,生成するエイリアン組換え法を提案する。
  論文  参考訳（メタデータ） (2024-11-18T11:55:38Z)
• Collective Innovation in Groups of Large Language Models [28.486116730339972]
  我々は,人間向けに開発されたクリエイティブビデオゲームLittle Alchemy 2をプレイするLarge Language Models (LLMs)について研究した。 本研究では,その行動に関する情報を共有するLLMのグループについて検討し,集団的パフォーマンスに対する社会的接続性の影響に着目した。 我々の研究は、ジェネレーティブ人工知能アルゴリズムと人間が互いに革新するにつれて、ますます関連性が高まっている集団イノベーションの今後の研究の機会と課題を明らかにします。
  論文  参考訳（メタデータ） (2024-07-07T13:59:46Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Social Network Structure Shapes Innovation: Experience-sharing in RL with SAPIENS [16.388726429030346]
  動的トポロジーでは、人間は個々にまたは小さなクラスターで革新し、その結果を他の人と共有する。 動的トポロジにおける経験共有は,タスク間のイノベーションの最高レベルを達成することを示す。 これらの貢献により、最適なAI-AI、人間-AI、人間-AI協調ネットワークの理解を深めることができます。
  論文  参考訳（メタデータ） (2022-06-10T12:47:45Z)
• A New Innovation Concept on End user Contextual and Behavioural Perspectives [0.0]
  イノベーションの現象は、生き生きとした文脈で、有形から無形へと焦点を移している。 本研究は,イノベーションタイプの包括的記述子として機能する新しい概念を提案する。
  論文  参考訳（メタデータ） (2021-10-09T10:45:10Z)
• Creativity of Deep Learning: Conceptualization and Assessment [1.5738019181349994]
  我々は,創造的領域における生成的深層学習の現在の応用を概念化し,評価するために,計算的創造性からの洞察を利用する。 私たちは、現在のシステムと、人間の創造性の異なるモデルと、その欠点の類似点を強調します。
  論文  参考訳（メタデータ） (2020-12-03T21:44:07Z)

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。