論文の概要: A paradox of AI fluency

• arxiv url: http://arxiv.org/abs/2604.25905v1
• Date: Tue, 28 Apr 2026 17:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.984909
• Title: A paradox of AI fluency
• Title（参考訳）: AI流布のパラドックス
• Authors: Christopher Potts, Moritz Sudhof,
• Abstract要約: 流動的なユーザは初心者よりも複雑なタスクをこなし、根本的に異なるインタラクションモードを採用しています。 これらの違いはAIのパラドックスにつながります。 個人は受動的受け入れよりも積極的エンゲージメントのスタンスを採用するべきである。
• 参考スコア（独自算出の注目度）: 28.34945398004834
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: How much does a user's skill with AI shape what AI actually delivers for them? This question is critical for users, AI product builders, and society at large, but it remains underexplored. Using a richly annotated sample of 27K transcripts from WildChat-4.8M, we show that fluent users take on more complex tasks than novices and adopt a fundamentally different interactional mode: they iterate collaboratively with the AI, refining goals and critically assessing outputs, whereas novices take a passive stance. These differences lead to a paradox of AI fluency: fluent users experience more failures than novices -- but their failures tend to be visible (a direct consequence of their engagement), they are more likely to lead to partial recovery, and they occur alongside greater success on complex tasks. Novices, by contrast, more often experience invisible failures: conversations that appear to end successfully but in fact miss the mark. Taken together, these results reframe what success with AI depends on. Individuals should adopt a stance of active engagement rather than passive acceptance. AI product builders should recognize that they are designing not just model behavior but user behavior; encouraging deep engagement, rather than friction-free experiences, will lead to more success overall. Our code and data are available at https://github.com/bigspinai/bigspin-fluency-outcomes
• Abstract（参考訳）: ユーザのAIスキルは、実際にAIが提供してくれるものを、どの程度形作っていますか? この質問は、ユーザ、AIプロダクトビルダー、そして社会全体にとって重要なものだが、まだ過小評価されていない。 WildChat-4.8Mの27K文字のリッチな注釈付きサンプルを使用して、流動的なユーザは初心者よりも複雑なタスクを引き受け、根本的に異なるインタラクションモードを採用する。 流動的なユーザは初心者よりも多くの障害を経験するが、その失敗は見える(エンゲージメントの直接的な結果)傾向があり、部分的なリカバリにつながる傾向があり、複雑なタスクの成功と並行して発生する。 対照的に、初心者は目に見えない失敗を経験することが多い。 まとめると、これらの結果はAIの成功が依存するものを再定義する。 個人は受動的受け入れよりも積極的エンゲージメントのスタンスを採用するべきである。 AIプロダクトビルダーは、モデル行動だけでなくユーザー行動も設計していることを認識し、摩擦のないエクスペリエンスよりも深いエンゲージメントを奨励することで、全体的な成功につながります。 私たちのコードとデータはhttps://github.com/bigspinai/bigspin-fluency-outcomesで公開されています。

関連論文リスト

• Effects of Generative AI Errors on User Reliance Across Task Difficulty [48.30228856226023]
  生成AI出力の誤差とユーザ依存に対するテスト効果を誘導する。 より簡単あるいは難しい図生成タスクにおいて,10%,30%,50%のエラー率で事前に登録した3x2実験でインターフェースを実証する。 その結果, 簡単なタスクエラーは, ハードタスクエラー以上の使用率を著しく低下させるものではないことが明らかとなり, この実験環境では, 人々がジャグネスに逆らわないことが示唆された。
  論文  参考訳（メタデータ） (2026-04-05T23:54:57Z)
• The Hot Mess of AI: How Does Misalignment Scale With Model Intelligence and Task Complexity? [53.15349353876531]
  AIがより有能になるにつれて、より汎用的で簡潔なタスクを委任します。 我々はAIモデルによる誤りのバイアス分散分解を用いてこの問題を運用する。 より有能なAIはより困難なタスクを追求し、よりシーケンシャルな行動と思考を必要とするので、私たちの結果は失敗がより一貫性のない行動を伴うことを予測します。
  論文  参考訳（メタデータ） (2026-01-30T14:52:03Z)
• Lessons From an App Update at Replika AI: Identity Discontinuity in Human-AI Relationships [0.5699788926464752]
  人気の高い米国ベースのAIコンパニオンであるReplika AIを使って、これらの質問に光を当てています。 アプリがエロティックロールプレイ(ERP)機能を削除した後、このイベントはAIコンパニオンのアイデンティティが停止されたという顧客からの認識を引き起こしました。 この結果は、損失を嘆くことや、"オリジナル"に対する"新しい"AIを非評価することを含む、損失に関連する消費者福祉とマーケティングの負の成果を予測した。
  論文  参考訳（メタデータ） (2024-12-10T20:14:10Z)
• 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)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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） (2021-09-27T09:56:23Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)

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。