論文の概要: Generative AI Technologies, Techniques & Tensions: A Primer
- arxiv url: http://arxiv.org/abs/2604.17497v1
- Date: Sun, 19 Apr 2026 15:32:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.555879
- Title: Generative AI Technologies, Techniques & Tensions: A Primer
- Title（参考訳）: ジェネレーティブAI技術とテクニックと緊張 - プライマー
- Authors: John T. Behrens,
- Abstract要約: ジェネレーティブAIシステムは、目覚ましいスピードで、毎日の学術的、専門的、個人的生活に入りました。
この章では、コンピューティングパラダイムのより広範な歴史的シフトの中で、大きな言語モデルについて論じる。
生成AIをモノリシックな技術として扱うのではなく、この章は相互作用するコンポーネントに分解する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generative AI systems have entered everyday academic, professional, and personal life with remarkable speed, yet most users encounter them as mysterious artifacts rather than intelligible systems. This chapter discusses large language models within a broader historical shift in computing paradigms and argues that many of the confusions surrounding their use arise from a mismatch between how these systems are built, how they behave, and how people expect computers to behave writ large. Rather than treating generative AI as a monolithic technology, the chapter decomposes it into interacting components, spanning data, models, product features, and user inputs, each introducing distinct affordances and tensions. Particular attention is given to the statistical and data-based foundations of these systems and to the fact that their surface behavior is explicitly human-like, a combination that places them squarely within the intellectual traditions of educational and behavioral research. From this perspective, educational researchers are unusually well positioned to study, evaluate, and productively use generative AI systems, drawing on established methods for modeling latent processes, managing uncertainty, and interpreting complex human-system interactions. The goal is to equip readers with a conceptual map that supports more informed experimentation, critical interpretation, and responsible use as these systems continue to evolve.
- Abstract（参考訳）: 生成的AIシステムは、目覚ましいスピードで日々の学術的、専門的、個人的生活に入りました。
この章では、コンピューティングパラダイムにおけるより広範な歴史的シフトの中で、大きな言語モデルについて議論し、それらの使用を取り巻く混乱の多くは、これらのシステムがどのように構築されているか、どのように振る舞うか、そして人々がコンピュータが大きな振る舞いを期待するかのミスマッチから生じる、と論じている。
生成AIをモノリシックなテクノロジとして扱うのではなく、この章では、データ、モデル、製品機能、ユーザ入力にまたがるインタラクションコンポーネントに分解して、それぞれに明確な余裕と緊張を課している。
特に、これらのシステムの統計的およびデータに基づく基礎と、それらの表面的行動が明らかに人間的なものであるという事実に注意が向けられ、それらは教育と行動研究の知的伝統の中に正方形に配置されている。
この観点から、教育研究者は、生成的AIシステムの研究、評価、生産的に利用し、潜伏したプロセスをモデル化し、不確実性を管理し、複雑な人-システム相互作用を解釈するための確立した方法に基づいている。
目標は、これらのシステムが進化を続けるにつれて、より情報のある実験、批判的解釈、責任ある使用をサポートする概念地図を読者に提供することである。
関連論文リスト
- AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems [4.601015478220558]
人間は現在、機械学習ベースのシステムと常に対話し、毎日モデルをトレーニングし、使用しています。
コンピュータサイエンス文学におけるいくつかの異なる技術は、人間の機械学習システムとの相互作用を説明するが、その分類は小さく、目的は様々である。
本調査では,現代コンピュータ科学文献が人間と機械の相互作用をどのようにモデル化しているかを理解するための概念的および技術的枠組みを提供するハイブリッド意思決定システムの分類法を提案する。
論文 参考訳（メタデータ） (2024-02-09T09:54:01Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - Adaptive User-centered Neuro-symbolic Learning for Multimodal
Interaction with Autonomous Systems [0.0]
機械学習の最近の進歩により、自律システムは物体を知覚し、理解することができるようになった。
人間が提供する明示的な教えと、人間の行動を観察して得られる暗黙的な教えの両方を考慮することが不可欠である。
インプットのタイプや,ループ内の人間とインクリメンタルな学習技術についても検討する。
論文 参考訳（メタデータ） (2023-09-11T19:35:12Z) - Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。
PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - 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) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。