論文の概要: InnerPond: Fostering Inter-Self Dialogue with a Multi-Agent Approach for Introspection
- arxiv url: http://arxiv.org/abs/2603.27563v1
- Date: Sun, 29 Mar 2026 07:52:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.028106
- Title: InnerPond: Fostering Inter-Self Dialogue with a Multi-Agent Approach for Introspection
- Title（参考訳）: インナーポンド:イントロスペクションのための多エージェントアプローチによる自己対話の育成
- Abstract要約: イントロスペクションはアイデンティティ構築と将来の計画の中心であるが、ほとんどのデジタルツールは、統一されたエンティティとして自己にアプローチする。
イントロスペクションは、価値、関心事、願望などの複数の内部的な視点で構成されており、互いに緊張したり対話したりすることができる。
この研究は、自己の多重性の探索を可能にするAI支援のイントロスペクションツールの設計上の意味を提供する。
- 参考スコア（独自算出の注目度）: 21.280250871858588
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introspection is central to identity construction and future planning, yet most digital tools approach the self as a unified entity. In contrast, Dialogical Self Theory (DST) views the self as composed of multiple internal perspectives, such as values, concerns, and aspirations, that can come into tension or dialogue with one another. Building on this view, we designed InnerPond, a research probe in the form of a multi-agent system that represents these internal perspectives as distinct LLM-based agents for introspection. Its design was shaped through iterative explorations of spatial metaphors, interaction scaffolding, and conversational orchestration, culminating in a shared spatial environment for organizing and relating multiple inner perspectives. In a user study with 17 young adults navigating career choices, participants engaged with the probe by co-creating inner voices with AI, composing relational inner landscapes, and orchestrating dialogue as observers and mediators, offering insight into how such systems could support introspection. Overall, this work offers design implications for AI-supported introspection tools that enable exploration of the self's multiplicity.
- Abstract（参考訳）: イントロスペクションはアイデンティティ構築と将来の計画の中心であるが、ほとんどのデジタルツールは、統一されたエンティティとして自己にアプローチする。
対照的に、ダイアロジカル自己理論(DST)は自己を、価値、関心、願望などの複数の内部的な視点から成り立っており、互いに緊張や対話をもたらす可能性があるとみなしている。
この視点に基づいて,インナーポンド(InnerPond)を設計し,イントロスペクションのためのLDMベースのエージェントとして内部の視点を表現したマルチエージェントシステムを開発した。
そのデザインは、空間的比喩、相互作用の足場、会話的オーケストレーションの反復的な探索を通じて形成され、複数の内的視点を編成し、関連付けるための共有空間環境に終止符を打った。
キャリア選択をナビゲートする17人の若者を対象にしたユーザスタディでは、参加者がAIを使って内声を共同作成し、リレーショナルなインナーランドスケープを構成し、オブザーバーや仲介者として対話を編成することで、そのようなシステムがイントロスペクションをどのようにサポートするかについての洞察を提供する。
全体として、この研究は、自己の多重性の探索を可能にするAIをサポートするイントロスペクションツールの設計上の意味を提供する。
関連論文リスト
- Generative Experiences for Digital Mental Health Interventions: Evidence from a Randomized Study [56.17549485306432]
GUIDEは、パーソナライズされた介入内容とマルチモーダルインタラクション構造を生成するシステムである。
N = 237人の参加者による事前登録調査では、GUIDEはストレスを著しく減らし、ユーザエクスペリエンスを改善した。
この研究は、デジタル設定でサポートをどのように経験し、実施するかを動的に形成する介入の基礎を築いた。
論文 参考訳（メタデータ） (2026-04-08T19:59:28Z) - From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。
情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。
この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
論文 参考訳（メタデータ） (2025-09-29T18:25:40Z) - Teaching AI to Feel: A Collaborative, Full-Body Exploration of Emotive Communication [0.0]
Commonaiverseは、フルボディのモーショントラッキングとリアルタイムAIフィードバックを通じて人間の感情を探索するインタラクティブなインストールである。
この協調的、アウト・オブ・ザ・ボックス(out-of-of-the-box)アプローチが、マルチメディア研究を、より具体化され、共創された感情的AIのパラダイムへと押し上げる方法について論じる。
論文 参考訳（メタデータ） (2025-09-26T10:28:56Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - Human-Robot Dialogue Annotation for Multi-Modal Common Ground [4.665414514091581]
本稿では,人間とロボットの対話データにアノテートした記号表現の開発について述べる。
遠隔対話では,人間とロボットが不慣れな環境における共同ナビゲーションと探索作業に従事しているが,ロボットは限られた通信制約のため,すぐには高品質な視覚情報を共有できない。
このパラダイム内では、抽象的意味表現の強化である対話-AMRアノテーションを通じて、対話中の1つの発話の命題意味と補間力を取り込む。
論文 参考訳（メタデータ） (2024-11-19T19:33:54Z) - Designing and Evaluating Dialogue LLMs for Co-Creative Improvised Theatre [48.19823828240628]
本研究では,Edinburgh Festival Fringeで1ヶ月のライブショーで展開されたLarge Language Models(LLMs)について紹介する。
オンザスポット多人数対話の技術的能力と制約について検討する。
我々のHuman-in-the-loop法は、文脈関連応答を生成する上で、これらのLCMの課題を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-05-11T23:19:42Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。
コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
論文 参考訳（メタデータ） (2023-11-26T09:11:32Z) - DeepThought: An Architecture for Autonomous Self-motivated Systems [1.6385815610837167]
大規模言語モデル(LLM)の内部アーキテクチャは、本質的な動機づけ、エージェンシー、あるいはある程度の意識を支持できない。
我々は,LLMを認知言語エージェントのアーキテクチャに統合し,エージェントや自己モチベーション,メタ認知の特徴を表現できるアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-11-14T21:20:23Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z) - An Artificial Consciousness Model and its relations with Philosophy of
Mind [0.0]
この研究は、自律的なエージェントが、意識のある人のものと似た認知的アーキテクチャを実装することによって得られる有益な性質について研究することを目的としている。
筆者らは、自律エージェントが、例えば、認知的アーキテクチャーを持つことのメリットを、大規模な実験で示す。
論文 参考訳（メタデータ） (2020-11-30T00:24:17Z)
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。