論文の概要: Unlocking the power of partnership: How humans and machines can work together to improve face recognition

• arxiv url: http://arxiv.org/abs/2510.02570v1
• Date: Thu, 02 Oct 2025 21:19:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.182486
• Title: Unlocking the power of partnership: How humans and machines can work together to improve face recognition
• Title（参考訳）: パートナーシップの力を解き放つ:人間と機械が協調して顔認証を改善する方法
• Authors: P. Jonathon Phillips, Geraldine Jeckeln, Carina A. Hahn, Amy N. Yates, Peter C. Fontana, Alice J. O'Toole,
• Abstract要約: 人・人・機械協調の利点について検討した。 我々は,高性能機械の精度を高める可能性のある人物を選別し,知的な人間・機械融合を実現した。 人為的なパートナーシップで達成可能なシステム全体の最も高い精度は、グラフ理論によって発見された。
• 参考スコア（独自算出の注目度）: 0.6157382820537719
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human review of consequential decisions by face recognition algorithms creates a "collaborative" human-machine system. Individual differences between people and machines, however, affect whether collaboration improves or degrades accuracy in any given case. We establish the circumstances under which combining human and machine face identification decisions improves accuracy. Using data from expert and non-expert face identifiers, we examined the benefits of human-human and human-machine collaborations. The benefits of collaboration increased as the difference in baseline accuracy between collaborators decreased-following the Proximal Accuracy Rule (PAR). This rule predicted collaborative (fusion) benefit across a wide range of baseline abilities, from people with no training to those with extensive training. Using the PAR, we established a critical fusion zone, where humans are less accurate than the machine, but fusing the two improves system accuracy. This zone was surprisingly large. We implemented "intelligent human-machine fusion" by selecting people with the potential to increase the accuracy of a high-performing machine. Intelligent fusion was more accurate than the machine operating alone and more accurate than combining all human and machine judgments. The highest system-wide accuracy achievable with human-only partnerships was found by graph theory. This fully human system approximated the average performance achieved by intelligent human-machine collaboration. However, intelligent human-machine collaboration more effectively minimized the impact of low-performing humans on system-wide accuracy. The results demonstrate a meaningful role for both humans and machines in assuring accurate face identification. This study offers an evidence-based road map for the intelligent use of AI in face identification.
• Abstract（参考訳）: 顔認識アルゴリズムによる逐次決定の人間によるレビューは、「協調的な」人間機械システムを作成する。 しかし、人と機械の個人差は、コラボレーションがどのケースでも精度を向上するか、または低下させるかに影響します。 人間の顔と機械の顔の識別を組み合わせれば精度が向上する状況を確立する。 専門家および非専門家の顔識別データを用いて,人間と機械の協調によるメリットを検討した。 コラボレーションの利点は、共同作業者間の基準精度の差が減少するにつれて増大し、近位精度規則(PAR)が追従された。 このルールは、トレーニングを受けていない人から広範囲のトレーニングを受けた人まで、幅広いベースライン能力の協力的(融合)利益を予測した。 PARを用いて,人間は機械よりも精度が低いが,両者を融合させることでシステム精度が向上する臨界核融合ゾーンを構築した。 このゾーンは驚くほど大きい。 我々は,高性能機械の精度を高める可能性のある人物を選別し,知的な人間・機械融合を実現した。 知能融合は、人間と機械の判断を全て組み合わせるよりも、単独で動く機械よりも正確で正確だった。 人為的なパートナーシップで達成可能なシステム全体の最も高い精度は、グラフ理論によって発見された。 この完全に人間的なシステムは、インテリジェントな人間と機械のコラボレーションによって達成された平均的な性能を近似した。 しかし、インテリジェントな人間と機械のコラボレーションは、より効果的に、システム全体の正確性に対する低パフォーマンスな人間の影響を最小化した。 この結果は、人間と機械の両方にとって、正確な顔の識別を確保する上で有意義な役割を示している。 この研究は、顔認証にAIをインテリジェントに活用するためのエビデンスベースの道路マップを提供する。

関連論文リスト

• A Comparison of Human and Machine Learning Errors in Face Recognition [8.064574155970963]
  我々は顔認識の分野で実験を行い、2つの自動顔認識システムと人間のアノテータを比較した。 我々の研究は、機械学習の誤りとヒューマンエラーが互いに異なる重要な方法を明らかにするとともに、人間と機械の協調によって顔認識の精度が向上する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-02-17T01:27:35Z)
• Human adaptation to adaptive machines converges to game-theoretic equilibria [13.234975857626752]
  我々は,知的人間と機械の協調的な相互作用の結果をゲーム理論を用いて予測し,設計する方法を示す。 あるアルゴリズムはマシンの最適性に対する人間と機械の相互作用を制御し、人間の行動を効果的に制御する。
  論文  参考訳（メタデータ） (2023-05-01T23:35:51Z)
• Human and AI Perceptual Differences in Image Classification Errors [13.045020949359621]
  本研究はまず,2つの情報源からの誤りの統計的分布を分析し,課題難易度がこれらの分布に与える影響について検討する。 AIがトレーニングデータから優れたモデルを学び、全体的な精度で人間を上回ったとしても、これらのAIモデルは人間の知覚と有意で一貫した違いを持つ。
  論文  参考訳（メタデータ） (2023-04-18T05:09:07Z)
• Human-Algorithm Collaboration: Achieving Complementarity and Avoiding Unfairness [92.26039686430204]
  慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。 まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。 次に、このモデルを用いて相補性が不可能な条件を証明する。
  論文  参考訳（メタデータ） (2022-02-17T18:44:41Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• 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)
• Joint Inference of States, Robot Knowledge, and Human (False-)Beliefs [90.20235972293801]
  本稿では,人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)の認知能力が,ロボットとの相互作用にどのように影響するかを理解するために,対象状態,ロボット知識,人間(時間的)の認知能力の表現にグラフィカルモデルを採用することを提案する。 推論アルゴリズムは、複数のビューにまたがる全てのロボットから個別のpgを融合し、単一のビューから発生したエラーを克服するより効果的な推論能力を得る。
  論文  参考訳（メタデータ） (2020-04-25T23:02:04Z)
• How human judgment impairs automated deception detection performance [0.5660207256468972]
  教師付き機械学習と人間の判断を組み合わせることで、偽造検出精度が向上するかどうかを検証した。 ハイブリッドオーバールール決定による人間の関与は、精度をチャンスレベルに戻した。 人間の意思決定戦略は、真実の偏見(相手が真実を語る傾向)が有害な影響を説明できることを示唆している。
  論文  参考訳（メタデータ） (2020-03-30T10:06:36Z)

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。