論文の概要: Mecha-nudges for Machines

• arxiv url: http://arxiv.org/abs/2603.23433v1
• Date: Tue, 24 Mar 2026 17:02:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.600607
• Title: Mecha-nudges for Machines
• Title（参考訳）: 機械のメカ・ナッジ
• Authors: Giulio Frey, Kawin Ethayarajh,
• Abstract要約: AIエージェントが人間と同じ環境で意思決定をする傾向にあるため、選択の提示は機械だけでなく人にも最適化される可能性がある。 私たちは、AIエージェントが人間の意思決定環境を劣化させることなく、体系的に影響を及ぼす選択がどのように提示されるかを変えるメカ・ナッジを紹介します。
• 参考スコア（独自算出の注目度）: 6.028237903650001
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nudges are subtle changes to the way choices are presented to human decision-makers (e.g., opt-in vs. opt-out by default) that shift behavior without restricting options or changing incentives. As AI agents increasingly make decisions in the same environments as humans, the presentation of choices may be optimized for machines as well as people. We introduce mecha-nudges: changes to how choices are presented that systematically influence AI agents without degrading the decision environment for humans. To formalize mecha-nudges, we combine the Bayesian persuasion framework with V-usable information, a generalization of Shannon information that is observer-relative. This yields a common scale (bits of usable information) for comparing a wide range of interventions, contexts, and models. Applying our framework to product listings on Etsy -- a global marketplace for independent sellers -- we find that following ChatGPT's release, listings have significantly more machine-usable information about product selection, consistent with systematic mecha-nudging.
• Abstract（参考訳）: ナッジは、選択肢を制限したりインセンティブを変更したりすることなく行動を変える人間の意思決定者(オプトイン対デフォルトオプトアウトなど)に選択が提示される方法に微妙な変化である。 AIエージェントが人間と同じ環境で意思決定をする傾向にあるため、選択の提示は機械だけでなく人にも最適化される可能性がある。 私たちは、AIエージェントが人間の意思決定環境を劣化させることなく、体系的に影響を及ぼす選択がどのように提示されるかを変えるメカ・ナッジを紹介します。 メカ・ナッジを定式化するために,ベイジアン・パーサーション・フレームワークとV-ユースブル・インフォメーションを組み合わせる。 これにより、幅広い介入、コンテキスト、モデルを比較するための共通のスケール(利用可能な情報のビット)が得られる。 独立した販売者のためのグローバルなマーケットプレースであるEtsy上の製品リスティングに私たちのフレームワークを適用することで、ChatGPTのリリースに続いて、リストは、組織的なメカナッジと整合して、製品の選択に関して、はるかにマシンで使用可能な情報を持っていることが分かりました。

関連論文リスト

• When Life Gives You AI, Will You Turn It Into A Market for Lemons? Understanding How Information Asymmetries About AI System Capabilities Affect Market Outcomes and Adoption [45.10829096284761]
  複雑なAIシステムは、コストのかかるエラーを犯したり、隠れた欠陥を埋め込んだりしながら、非常に正確に見える。 本稿では,AIシステムのユーザ導入における情報非対称性と開示設計の役割について,最初の実験的証拠を提供する。
  論文  参考訳（メタデータ） (2026-01-29T12:49:28Z)
• AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
  人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。 このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
  論文  参考訳（メタデータ） (2025-03-04T03:55:38Z)
• Bridging the Gap in Hybrid Decision-Making Systems [6.083234045523297]
  ハイブリッド意思決定のための新しいヒューマン・イン・ザ・ループシステムBRIDGETを紹介する。 BRIDGETは、マシンか人間のどちらかが担当すべきタイミングを理解し、2つのステータスを動的に切り替える。 BRIDGETは、ユーザに対して懐疑的なスタンスを仮定し、提案を提供するマシンラーニングモデルを持つか、あるいは自身でユーザを呼び戻すかのどちらかだ。
  論文  参考訳（メタデータ） (2024-09-28T17:14:59Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• AI Alignment with Changing and Influenceable Reward Functions [10.025289118814186]
  既存のAIアライメントアプローチは、好みは静的であり、非現実的である、と仮定する。 その利便性にもかかわらず、静的推論の仮定は既存のアライメント手法の音質を損なう可能性がある。 我々は、AIアライメントのさまざまな概念を定式化し、最初から好みの変化を考慮に入れている。
  論文  参考訳（メタデータ） (2024-05-28T00:08:46Z)
• Relevant Irrelevance: Generating Alterfactual Explanations for Image Classifiers [11.200613814162185]
  本稿では,ブラックボックス画像分類器の再現的説明の実現可能性を示す。 ニューラルネットワークに基づくブラックボックスモデルにこのアイデアを適用することが可能であることを初めて示します。
  論文  参考訳（メタデータ） (2024-05-08T11:03:22Z)
• Interactive Explanations by Conflict Resolution via Argumentative Exchanges [12.853610887703253]
  我々は,エージェント(AIモデルと人間)間の紛争解決の枠組みとして,計算的議論を活用することで,対話的な説明に焦点をあてる。 具体的には,マルチエージェントシステムにおける動的共有のためのArgumentative eXchanges(AXs)を定義する。 次に、マシンと人間がマシンの予測について対話するXAI設定にAXをデプロイする。
  論文  参考訳（メタデータ） (2023-03-27T09:15:48Z)
• Generalizing Decision Making for Automated Driving with an Invariant Environment Representation using Deep Reinforcement Learning [55.41644538483948]
  現在のアプローチは、トレーニングデータを超えてよく一般化されないか、または可変数のトラフィック参加者を考慮することができない。 本研究では,エゴ車の観点から不変環境表現を提案する。 この抽象化により,エージェントが未確認シナリオに対してうまく一般化できることが示される。
  論文  参考訳（メタデータ） (2021-02-12T20:37:29Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)

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。