論文の概要: Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery
- arxiv url: http://arxiv.org/abs/2605.05921v1
- Date: Thu, 07 May 2026 09:30:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.665176
- Title: Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery
- Title（参考訳）: インテントメイキングとセンスメイキング:AIによる数学的発見とのヒューマンインタラクション
- Authors: Alex Bäuerle, Adam Connors, Alexander Novikov, Adam Zsolt Wagner, Ngân Vũ, Fernanda Viegas, Martin Wattenberg, Lucas Dixon,
- Abstract要約: インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
- 参考スコア（独自算出の注目度）: 72.49593499512092
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence offers powerful new tools for scientific discovery, but the interaction paradigms required to effectively harness these systems remain underexplored. In this paper, we present findings from a formative user study with 11 expert mathematicians who used AlphaEvolve, an evolutionary coding agent, to tackle advanced problems in their fields of expertise. We identify and characterize a distinct workflow we term intentmaking, the iterative process of discovering, defining, and refining one's experimental goals through active system interaction. We frame this as a natural extension to sensemaking, the cognitive process of building an understanding of complex or novel data. We suggest that users enter a cycle of intentmaking (defining and updating their experiment) and sensemaking (interpreting the results) which repeats many times during the course of an investigation. Our documentation of these themes suggests an approach to designing AI tools for scientific discovery that goes beyond the existing question/answer model of many current systems, treating them as collaborative instruments rather than opaque black-box assistants.
- Abstract（参考訳）: 人工知能は科学的発見のための強力な新しいツールを提供するが、これらのシステムを効果的に活用するために必要な相互作用パラダイムはいまだ未発見のままである。
本稿では、進化的符号化エージェントであるAlphaEvolveを使って専門分野の高度な問題に取り組み、11人の数学者によるフォーマティブなユーザスタディから得られた知見について述べる。
システムインタラクションを通じて実験的な目標を発見し、定義し、精査する反復的なプロセスである、意図決定と呼ばれる、明確なワークフローを識別し、特徴付けます。
私たちはこれを、複雑なデータや新しいデータの理解を構築するための認知プロセスである、センスメイキングへの自然な拡張として捉えています。
研究の過程で何度も繰り返される意図形成(実験の定義と更新)と感覚形成(結果の解釈)のサイクルにユーザが参入することを提案する。
これらのテーマに関するドキュメンテーションは、科学的な発見のためのAIツールを設計するアプローチが、現在の多くのシステムの既存の質問/回答モデルを超えて、不透明なブラックボックスアシスタントではなく、協調的な楽器として扱うことを示唆している。
関連論文リスト
- Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - Behavioral Exploration: Learning to Explore via In-Context Adaptation [53.92981562916783]
我々は、過去の観察の文脈で条件付けられた専門家の行動を予測し、専門家の行動がこの文脈とどのように関係しているかを測定するために、長期コンテキスト生成モデルを訓練する。
これにより、モデルが専門家の振る舞いを模倣するだけでなく、過去の相互作用の歴史を文脈に反映することで、これまで選択されたものと異なる専門家の振る舞いを選択することができる。
本手法は実環境におけるロボット操作作業だけでなく,シミュレーションロコモーションと操作設定の両方において有効であることを示す。
論文 参考訳（メタデータ） (2025-07-11T21:36:19Z) - Vital Insight: Assisting Experts' Context-Driven Sensemaking of Multi-modal Personal Tracking Data Using Visualization and Human-In-The-Loop LLM [35.00287513005424]
Vital Insightは、スマートフォンやウェアラブルからのマルチモーダル受動的センシングデータの人間のループ推論(センスメイキング)と可視化を可能にする、新しいLLM支援のプロトタイプシステムである。
我々は、専門家のそれとのインタラクションを観察し、専門家が直接データ表現とAIをサポートする推論の間をどう移動するかを説明する専門家のセンスメイキングモデルを開発する。
論文 参考訳（メタデータ） (2024-10-18T21:56:35Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - BO-Muse: A human expert and AI teaming framework for accelerated
experimental design [58.61002520273518]
我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。
我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
論文 参考訳（メタデータ） (2023-03-03T02:56:05Z)
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。