論文の概要: The Timing Dependencies of Trust: Speed, Accuracy, and cBCI Neuro-Decoupling in Human-AI Teams

• arxiv url: http://arxiv.org/abs/2605.25868v1
• Date: Mon, 25 May 2026 13:56:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.240997
• Title: The Timing Dependencies of Trust: Speed, Accuracy, and cBCI Neuro-Decoupling in Human-AI Teams
• Title（参考訳）: 信頼の時間依存性:人間-AIチームにおけるスピード、正確性、cBCI神経脱結合
• Authors: Christopher Baker, Stephen Hinton, Akashdeep Nijjar, Riccardo Poli, Caterina Cinel, Tom Reed, Stephen Fairclough,
• Abstract要約: 本研究では,AIアシスタントであるFLA-AI(Fast/Less-Accurate)とSlow/Accurate(SA-AI)の特性が,VRドローンタスクにおける協調型脳-コンピュータインタフェース(cBCI)チームの相乗効果に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The speed and accuracy of an artificial teammate fundamentally alter the failure states of Human-AI integration. While high-speed AI interventions risk inducing reflexive blind compliance, delayed interventions can induce ambiguous cognitive conflict. This study investigates how the fundamental characteristics of an in-task AI assistant, Fast/Less-Accurate (FLA-AI) versus Slow/Accurate (SA-AI) impact the synergy of Collaborative Brain-Computer Interface (cBCI) teams in a Virtual Reality drone task. Seventeen operators completed continuous search tasks under high cognitive workload while their spatial covariance was mapped using a 2D Adaptive Riemannian Oracle. The results mathematically demonstrate that AI timing dictates the mechanism of team failure. Fast AI induced instant, blind compliance; human accuracy under deception collapsed to 50.2%, and pure behavioural teams (N=8) failed to scale beyond 74.1%. In contrast, Slow AI induced delayed cognitive conflict; humans hesitated (61.1% accuracy), but N=8 behavioural teams eventually recovered to 100.0%. Crucially, the Riemannian Oracle mathematically adapted to these states: it heavily restricted temporal windows (< 0.8s) to intercept fast reflexive compliance, while widening windows (> 1.2s) to capture delayed cognitive conflict. Integrating these isolated veridical signals via Hybrid Fusion successfully rescued the Fast AI team (+7.6% at N=8) and significantly accelerated the recovery of smaller Slow AI teams (+6.9% at N=4). These findings prove that cBCI synergy is heavily contingent on the temporal dynamics of trust, providing a critical framework for designing dynamically gated Human-AI systems.
• Abstract（参考訳）: 人工チームメイトのスピードと精度は、ヒューマンAI統合の失敗状態を根本的に変える。 高速なAI介入は反射的視覚的コンプライアンスを引き起こすリスクを負うが、遅延した介入は曖昧な認知的衝突を引き起こす。 本研究では、AIアシスタントであるFLA-AI(Fast/Less-Accurate)とSlow/Accurate(SA-AI)の基本的な特徴が、VRドローンタスクにおける協調脳-コンピュータインタフェース(cBCI)チームの相乗効果に与える影響について検討する。 17の演算子は高い認知的ワークロードの下で連続的な探索タスクを完了し、その空間的共分散は2次元適応リーマンOracleを用いてマッピングされた。 結果は、AIのタイミングがチームの失敗のメカニズムを決定することを数学的に示している。 素早いAIは瞬時に盲目のコンプライアンスを誘発し、人間の偽装による正確さは50.2%に低下し、純粋な行動チーム(N=8)は74.1%を超えなかった。 対照的に、Slow AIは認知的対立を遅延させ、人間はためらった(61.1%の精度)が、N=8の行動チームは最終的に100.0%まで回復した。 重要なことに、Riemannian Oracleはこれらの状態に数学的に適応した: 高速な反射的コンプライアンスを遮断するために時間ウィンドウ ( 0.8s) を厳しく制限し、遅延した認知的衝突を捉えるためにウィンドウ (>1.2s) を広げた。 ハイブリット・フュージョン(Hybrid Fusion)によるこれらの分離された検証信号の統合は、Fast AIチーム(N=8で+7.6%)の救出に成功し、より小さなSlow AIチームの回復を著しく加速した(N=4で+6.9%)。 これらの結果は、cBCIのシナジーが信頼の時間的ダイナミクスに大きく依存していることを示し、動的にゲートされたヒューマンAIシステムを設計するための重要な枠組みを提供する。

関連論文リスト

• Fusion-fission forecasts when AI will shift to undesirable behavior [0.0]
  社会全体でChatGPTのようなAIが利用している主な問題は、その行動が望ましいものから望ましくないものへと変化し、気付かないものへと変化することである。 生体およびアクティブマターシステムで観測される融合分裂群のダイナミクスの一般化ベクトルが、AIの振る舞いの将来の変化を -- そして予測できることを示す。
  論文  参考訳（メタデータ） (2026-05-14T00:26:32Z)
• AI Assistance Reduces Persistence and Hurts Independent Performance [1.3667120179358196]
  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。
  論文  参考訳（メタデータ） (2026-04-06T14:43:48Z)
• AI, Metacognition, and the Verification Bottleneck: A Three-Wave Longitudinal Study of Human Problem-Solving [0.0]
  このパイロット研究は、AIが学術的な環境での6ヶ月にわたる問題解決にどのように影響するかを追跡した。 結果は、主にアーリーアドプター、学術関連集団に一般化される。
  論文  参考訳（メタデータ） (2026-01-21T15:49:04Z)
• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
  TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
  論文  参考訳（メタデータ） (2025-10-06T05:03:57Z)
• Towards Safe and Honest AI Agents with Neural Self-Other Overlap [0.0]
  SOO(Self-Other Overlap)の微調整は、正直なAIを構築する能力を大幅に改善する可能性がある。 共感に関する認知神経科学の研究にインスパイアされたSOOは、AIモデルが自分自身や他者を表現する方法の整合化を目指している。
  論文  参考訳（メタデータ） (2024-12-20T20:23:52Z)
• Visual Agents as Fast and Slow Thinkers [88.1404921693082]
  本稿では、Fast and Slow Thinking機構を視覚エージェントに組み込んだFaSTを紹介する。 FaSTは、システム1/2モード間の動的選択にスイッチアダプタを使用する。 モデルの信頼性を調整し、新しいコンテキストデータを統合することで、不確実で目に見えないオブジェクトに取り組む。
  論文  参考訳（メタデータ） (2024-08-16T17:44:02Z)
• Neural Architecture Dilation for Adversarial Robustness [56.18555072877193]
  畳み込みニューラルネットワークの欠点は、敵の攻撃に弱いことである。 本稿では, 良好な精度を有する背骨CNNの対角的堅牢性を向上させることを目的とする。 最小限の計算オーバーヘッドの下では、拡張アーキテクチャはバックボーンCNNの標準的な性能と親和性が期待できる。
  論文  参考訳（メタデータ） (2021-08-16T03:58:00Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。