論文の概要: AI Should Be More Human, Not More Complex

• arxiv url: http://arxiv.org/abs/2508.04713v1
• Date: Sun, 27 Jul 2025 15:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-10 09:30:49.349833
• Title: AI Should Be More Human, Not More Complex
• Title（参考訳）: AIはもっと人間らしく、複雑ではない
• Authors: Carlo Esposito,
• Abstract要約: 利用者は精巧な説明よりも簡潔でソース対応の回答を圧倒的に好んでいる。 のAI開発トレンドは、システムが知識に富むように聞こえるが、真に批判的な思考が欠如している不気味な谷効果を生み出している。 我々の発見は、より複雑なAI応答がより良いパフォーマンスを示すという一般的な仮定に挑戦し、代わりに、ユーザーエンゲージメントとシステムの信頼性にとって人間のような簡潔さと透明性が鍵であることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large Language Models (LLMs) in search applications increasingly prioritize verbose, lexically complex responses that paradoxically reduce user satisfaction and engagement. Through a comprehensive study of 10.000 (est.) participants comparing responses from five major AI-powered search systems, we demonstrate that users overwhelmingly prefer concise, source-attributed responses over elaborate explanations. Our analysis reveals that current AI development trends toward "artificial sophistication" create an uncanny valley effect where systems sound knowledgeable but lack genuine critical thinking, leading to reduced trust and increased cognitive load. We present evidence that optimal AI communication mirrors effective human discourse: direct, properly sourced, and honest about limitations. Our findings challenge the prevailing assumption that more complex AI responses indicate better performance, instead suggesting that human-like brevity and transparency are key to user engagement and system reliability.
• Abstract（参考訳）: 検索アプリケーションにおける大きな言語モデル(LLM)は、ユーザーの満足度とエンゲージメントをパラドックス的に減少させる冗長で語彙的に複雑な応答を優先する傾向にある。 5つの主要なAIによる検索システムからの回答を比較した10万人の参加者の包括的調査を通じて、ユーザーは精巧な説明よりも簡潔でソース対応の回答を圧倒的に好んでいることを実証した。 我々の分析は、現在のAI開発トレンドが「技術高度化」によって、システムは知識に富むが真の批判的思考が欠如し、信頼が低下し認知負荷が増大する不気味な谷効果を生んでいることを明らかにしている。 我々は、最適なAIコミュニケーションが人間の会話を効果的に反映する証拠を示す。 我々の発見は、より複雑なAI応答がより良いパフォーマンスを示すという一般的な仮定に挑戦し、代わりに、ユーザーエンゲージメントとシステムの信頼性にとって人間のような簡潔さと透明性が鍵であることを示唆した。

関連論文リスト

• Deterministic AI Agent Personality Expression through Standard Psychological Diagnostics [0.0]
  確立された心理学的枠組みを用いて、AIモデルは決定論的かつ一貫した個性を表現することができることを示す。 GPT-4oやo1のようなより高度なモデルは、特定の個性を表現する上で最も正確であることを示している。 これらの発見は、多様で一貫した個性を持つAIエージェントを作成する基盤を確立する。
  論文  参考訳（メタデータ） (2025-03-21T12:12:05Z)
• Do great minds think alike? Investigating Human-AI Complementarity in Question Answering with CAIMIRA [43.116608441891096]
  人間は知識に基づく帰納的、概念的推論においてAIシステムより優れています。 GPT-4やLLaMAのような最先端のLLMは、ターゲット情報検索において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-09T03:53:26Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
  我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。 これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。 我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
  論文  参考訳（メタデータ） (2024-06-18T16:20:53Z)
• Aligning Large Language Models from Self-Reference AI Feedback with one General Principle [61.105703857868775]
  13B Llama2-Chatで高品質なフィードバックを提供できる自己参照型AIフィードバックフレームワークを提案する。 具体的には、まずAIがユーザーの指示に反応し、それに基づいて他の回答に対する批判を参照として生成する。 最後に、批判に応じて、どの回答が人間の好みに合うかを判断する。
  論文  参考訳（メタデータ） (2024-06-17T03:51:46Z)
• Principle-Driven Self-Alignment of Language Models from Scratch with Minimal Human Supervision [84.31474052176343]
  ChatGPTのような最近のAIアシスタントエージェントは、人間のアノテーションと人間のフィードバックからの強化学習を教師付き微調整(SFT)に頼り、アウトプットを人間の意図に合わせる。 この依存は、人間の監督を得るために高いコストがかかるため、AIアシスタントエージェントの真の可能性を大幅に制限することができる。 本稿では,AIエージェントの自己調整と人間監督の最小化のために,原則駆動推論とLLMの生成能力を組み合わせたSELF-ALIGNという新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-04T17:59:28Z)
• The Response Shift Paradigm to Quantify Human Trust in AI Recommendations [6.652641137999891]
  説明可能性、解釈可能性、そしてそれらがAIシステムに対する人間の信頼にどれほど影響するかは、究極的には機械学習と同じくらいの人間の認知の問題である。 我々は,AIレコメンデーションが人的決定に与える影響を定量化する汎用のヒューマン・AIインタラクション・パラダイムを開発し,検証した。 我々の実証・実証パラダイムは、急速に成長するXAI/IAIアプローチをエンドユーザーへの影響の観点から定量的に比較することができる。
  論文  参考訳（メタデータ） (2022-02-16T22:02:09Z)

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。