論文の概要: Human-Data Interaction, Exploration, and Visualization in the AI Era: Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2603.05542v1
- Date: Wed, 04 Mar 2026 14:18:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:44.183665
- Title: Human-Data Interaction, Exploration, and Visualization in the AI Era: Challenges and Opportunities
- Title（参考訳）: AI時代の人間とデータの相互作用、探索、可視化:挑戦と機会
- Authors: Jean-Daniel Fekete, Yifan Hu, Dominik Moritz, Arnab Nandi, Senjuti Basu Roy, Eugene Wu, Nikos Bikakis, George Papastefanatos, Panos K. Chrysanthis, Guoliang Li, Lingyun Yu,
- Abstract要約: AIの急速な進歩は、人間中心のシステムを変えつつある。
本稿では、最近のAIの進歩によってもたらされた課題について検討し、これらの開発がユーザーのデータへの関わり方を変えつつあるかを検討する。
AI時代のインタラクティブなデータ分析のための、人間中心のAIシステムを構築するための制限とオープンな研究の方向性を概説している。
- 参考スコア（独自算出の注目度）: 34.82163910275556
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid advancement of AI is transforming human-centered systems, with profound implications for human-AI interaction, human-data interaction, and visual analytics. In the AI era, data analysis increasingly involves large-scale, heterogeneous, and multimodal data that is predominantly unstructured, as well as foundation models such as LLMs and VLMs, which introduce additional uncertainty into analytical processes. These shifts expose persistent challenges for human-data interactive systems, including perceptually misaligned latency, scalability constraints, limitations of existing interaction and exploration paradigms, and growing uncertainty regarding the reliability and interpretability of AI-generated insights. Responding to these challenges requires moving beyond conventional efficiency and scalability metrics, redefining the roles of humans and machines in analytical workflows, and incorporating cognitive, perceptual, and design principles into every level of the human-data interaction stack. This paper investigates the challenges introduced by recent advances in AI and examines how these developments are reshaping the ways users engage with data, while outlining limitations and open research directions for building human-centered AI systems for interactive data analysis in the AI era.
- Abstract（参考訳）: AIの急速な進歩は、人間中心のシステムを変革し、人間-AIインタラクション、人間-データインタラクション、視覚分析に深く影響している。
AI時代において、データ分析には、大規模、異質、マルチモーダルなデータが多く含まれており、主に構造化されていないだけでなく、LLMやVLMのような基盤モデルも含み、分析プロセスにさらなる不確実性をもたらす。
これらのシフトは、知覚的に不一致のレイテンシ、スケーラビリティの制約、既存のインタラクションと探索パラダイムの制限、AI生成された洞察の信頼性と解釈可能性に関する不確実性の増加など、人間のデータ対話システムの永続的な課題を明らかにしている。
これらの課題に対応するには、従来の効率性とスケーラビリティのメトリクスを超えて、分析ワークフローにおける人間とマシンの役割を再定義し、認知、知覚、設計原則を人間-データインタラクションスタックのあらゆるレベルに組み込む必要がある。
本稿では、AIの最近の進歩によってもたらされた課題を考察し、AI時代のインタラクティブなデータ分析のための人間中心のAIシステムを構築するための制限とオープンな研究の方向性を概説しながら、これらの開発がどのようにデータへの関わり方を変えたかを検討する。
関連論文リスト
- Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Artificial Behavior Intelligence: Technology, Challenges, and Future Directions [1.5237607855633524]
本稿では,ABI(Artificial Behavior Intelligence)の技術的枠組みを定義する。
ABIは、人間の姿勢、表情、感情、行動シーケンス、文脈的手がかりを包括的に分析し、解釈する。
ポーズ推定、顔と感情の認識、シーケンシャルな行動分析、文脈認識モデリングなど、ABIの本質的なコンポーネントについて詳述する。
論文 参考訳（メタデータ） (2025-05-06T08:45:44Z) - Artificial Intelligence for Personalized Prediction of Alzheimer's Disease Progression: A Survey of Methods, Data Challenges, and Future Directions [0.8249694498830561]
Alzheimer's Disease (AD) は、その進行の個人間変異が顕著である。
本総説は,個人化されたAD予後のための臨床関連AIツールの開発における現在の知識の統合と今後の取り組みを導くことを目的としている。
論文 参考訳（メタデータ） (2025-04-29T21:45:28Z) - From Consumption to Collaboration: Measuring Interaction Patterns to Augment Human Cognition in Open-Ended Tasks [2.048226951354646]
ジェネレーティブAIの台頭、特に大規模言語モデル(LLM)は、知識労働における認知過程を根本的に変えるものである。
本稿では、認知活動モード(探索対搾取)と認知エンゲージメントモード(建設対有害)の2つの側面に沿って相互作用パターンを分析する枠組みを提案する。
論文 参考訳（メタデータ） (2025-04-03T17:20:36Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Towards interactive evaluations for interaction harms in human-AI systems [8.989911701384788]
我々は,テキストインタラクションの害に着目したテキストインタラクション倫理に基づく評価へのシフトを提案する。
まず,(1)静的,(2)普遍的なユーザエクスペリエンスを仮定し,(3)構成妥当性を限定した現状評価手法の限界について議論する。
インタラクティブな評価を設計するための実践的原則として, 生態学的に有効な相互作用シナリオ, ヒューマンインパクトメトリクス, 多様な人間参加アプローチなどがあげられる。
論文 参考訳（メタデータ） (2024-05-17T08:49:34Z) - Can AI Serve as a Substitute for Human Subjects in Software Engineering
Research? [24.39463126056733]
本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。
定性的データの代替源としてAI生成合成テキストの可能性を探る。
観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
論文 参考訳（メタデータ） (2023-11-18T14:05:52Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z)
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。