論文の概要: AI Assistance Reduces Persistence and Hurts Independent Performance

• arxiv url: http://arxiv.org/abs/2604.04721v1
• Date: Mon, 06 Apr 2026 14:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.22945
• Title: AI Assistance Reduces Persistence and Hurts Independent Performance
• Title（参考訳）: AIアシストがパーシステンスを低減し、独立したパフォーマンスを損なう
• Authors: Grace Liu, Brian Christian, Tsvetomira Dumbalska, Michiel A. Bakker, Rachit Dubey,
• Abstract要約: AIアシストによる2つの重要な結果の証拠を提供する。 AIアシストは短期的にはパフォーマンスを改善するが、AIなしでは人々は著しくパフォーマンスが悪くなり、諦める可能性が高くなる。 これらの結果は、AIモデル開発が、即時タスク完了と同時に長期的な能力の優先順位付けの必要性を示唆している。
• 参考スコア（独自算出の注目度）: 1.3667120179358196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People often optimize for long-term goals in collaboration: A mentor or companion doesn't just answer questions, but also scaffolds learning, tracks progress, and prioritizes the other person's growth over immediate results. In contrast, current AI systems are fundamentally short-sighted collaborators - optimized for providing instant and complete responses, without ever saying no (unless for safety reasons). What are the consequences of this dynamic? Here, through a series of randomized controlled trials on human-AI interactions (N = 1,222), we provide causal evidence for two key consequences of AI assistance: reduced persistence and impairment of unassisted performance. Across a variety of tasks, including mathematical reasoning and reading comprehension, we find that although AI assistance improves performance in the short-term, people perform significantly worse without AI and are more likely to give up. Notably, these effects emerge after only brief interactions with AI (approximately 10 minutes). These findings are particularly concerning because persistence is foundational to skill acquisition and is one of the strongest predictors of long-term learning. We posit that persistence is reduced because AI conditions people to expect immediate answers, thereby denying them the experience of working through challenges on their own. These results suggest the need for AI model development to prioritize scaffolding long-term competence alongside immediate task completion.
• Abstract（参考訳）: メンターや仲間は質問に答えるだけでなく、足場を学習し、進捗を追跡し、すぐに得られる結果よりも相手の成長を優先します。 対照的に、現在のAIシステムは基本的に近視の協力者であり、(安全上の理由がない限り)ノーと言うことなく、即時かつ完全な応答を提供するように最適化されている。 このダイナミックな結果は何ですか? ここでは、人間とAIの相互作用に関するランダム化制御試験(N = 1,222)を通じて、AIアシストの2つの重要な結果、すなわち持続性の低下と無支援のパフォーマンスの障害の因果的証拠を提供する。 数学的推論や読解理解など、さまざまなタスクにおいて、AIアシストは短期的にはパフォーマンスを改善するが、AIなしでは人々は著しく悪化し、諦める可能性が高くなる。 特に、これらの効果はAIとの短時間のインタラクション(約10分)後に現れる。 これらの発見は、持続性はスキル獲得の基礎であり、長期学習の最も強力な予測要因の1つであるため、特に関係している。 私たちは、AIがすぐに答えを期待することを条件にしているため、永続性が低下していると仮定します。 これらの結果は、AIモデル開発が、即時タスク完了と同時に、長期的能力の足場を優先する必要があることを示唆している。

関連論文リスト

• Align When They Want, Complement When They Need! Human-Centered Ensembles for Adaptive Human-AI Collaboration [13.041288521972563]
  人間とAIの意思決定において、人間の専門知識を補完するAIを設計することは、人間とAIのコラボレーションを強化する自然な戦略である。 一致したAIは、信頼を育みながら、最適な人間の行動を補強し、人間とAIチームのパフォーマンスを低下させるリスクを負う。 我々は、2つの専門的AIモデルの間で戦略的に切り替える、人間中心の適応型AIアンサンブルを新たに導入する。
  論文  参考訳（メタデータ） (2026-02-23T18:22:58Z)
• Explainable AI as a Double-Edged Sword in Dermatology: The Impact on Clinicians versus The Public [46.86429592892395]
  説明可能なAI(XAI)は、AI意思決定の洞察を提供することによって、この問題に対処する。 フェアネスに基づく診断AIモデルと異なるXAI説明を組み合わせた2つの大規模実験の結果を報告する。
  論文  参考訳（メタデータ） (2025-12-14T00:06:06Z)
• Efficiency Without Cognitive Change: Evidence from Human Interaction with Narrow AI Systems [0.0]
  狭義のAIツールへの短期的な露出は、コア認知能力を高める。 問題解決や言語理解の標準化には、ポスト前の大きな違いは現れなかった。
  論文  参考訳（メタデータ） (2025-10-28T18:55:44Z)
• How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
  我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。 我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
  論文  参考訳（メタデータ） (2024-10-21T22:39:52Z)
• Comparing Zealous and Restrained AI Recommendations in a Real-World Human-AI Collaboration Task [11.040918613968854]
  正確さとリコールのトレードオフを慎重に活用することで、チームのパフォーマンスが大幅に向上する、と私たちは主張する。 我々は、a)AIアシストなし、b)高精度な「制限された」AI、c)3,466時間以上のアノテーション作業で、78のプロのアノテータのパフォーマンスを分析する。
  論文  参考訳（メタデータ） (2024-10-06T23:19:19Z)
• Effects of AI Feedback on Learning, the Skill Gap, and Intellectual Diversity [4.8342038441006805]
  我々は、AIの使用が、学習、スキルギャップ、意思決定戦略の多様性という、関連する3つの長期的な結果にどのように影響するかを調査する。 私たちは、失敗よりも成功を経験した状況において、個人がAIフィードバックを求める可能性がはるかに高いことを示しています。 その結果、ハイスキルとロースキルのスキルギャップを減らさずに、AIフィードバックへのアクセスが増加する。
  論文  参考訳（メタデータ） (2024-09-27T11:44:03Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Does the Whole Exceed its Parts? The Effect of AI Explanations on Complementary Team Performance [44.730580857733]
  以前の研究では、AIが人間と最高のチームの両方を上回った場合にのみ、説明による改善が観察された。 我々は、3つのデータセットで混合メソッドのユーザー研究を行い、人間に匹敵する精度のAIが、参加者のタスク解決に役立ちます。 説明は、人間がAIの推奨を受け入れる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-26T03:34:04Z)

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。