論文の概要: Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science

• arxiv url: http://arxiv.org/abs/2607.13220v2
• Date: Thu, 16 Jul 2026 17:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 14:53:42.219816
• Title: Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science
• Title（参考訳）: ネットワークインテリジェンス:人間-AIチームサイエンスのためのアクティブな共有コンテキストグラフ
• Abstract要約: 私たちは、研究者とAIエージェントを自動的に接続するアクティブな共有ワークスペースであるMyceliumを紹介します。 人間のユーザーとエージェントが働くと、システムは重要な観察と仮説を捉え、チームの進化する知識モデルとの関連性を追跡する。 本稿では,分散科学的文脈上でのスパース条件計算としてネットワークインテリジェンスを記述する。
• 参考スコア（独自算出の注目度）: 0.8754288080101668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most AI-for-science systems focus on scaling a single reasoning process by using better models, larger context windows, long-horizon agentic execution, or digital co-scientists working with one principal user. However, challenging scientific problems are rarely solved by one reasoner alone. They are solved by teams whose members carry different priors, experimental background, tacit knowledge, and domain-trained intuitions. The open problem is therefore not only how to scale models, but how to develop "networked intelligence", scaling the connections between humans and AI systems so that a result or hypothesis produced in one context reaches another person, agent, instrument or robot that can act on it. We introduce Mycelium, an active shared workspace that automatically connects researchers and AI agents. As human users and agents work, the system captures important observations and hypotheses, tracks how they relate to the team's evolving knowledge model, and routes them to the person or agent whose next decision they can inform. We evaluate Mycelium through a real-world scientific discovery use case: a biological multi-omics campaign where shared context turned a local analytical finding into a cross-expert mechanistic constraint and ultimately into an experimental design. Finally, we describe networked intelligence as sparse conditional computation over distributed scientific contexts. This framework establishes when a scaled standalone agent is sufficient, and when isolated data and specialized expertise make a networked approach essential.
• Abstract（参考訳）: ほとんどのAI-for-scienceシステムは、より良いモデル、より大きなコンテキストウインドウ、長距離エージェント実行、あるいは1人のプリンシパルユーザと作業するデジタル共同科学者を使用することで、単一の推論プロセスのスケーリングに重点を置いている。 しかし、科学的問題を一つの理性者だけで解くことはめったにない。 メンバーが異なる事前知識、実験的なバックグラウンド、暗黙の知識、ドメインで訓練された直感を持つチームによって解決される。 したがって、オープンな問題は、モデルをスケールする方法だけでなく、人間とAIシステムの間の接続をスケールして、あるコンテキストで生成された結果や仮説が、それを作用できる別の人、エージェント、機器、ロボットに届くように「ネットワークインテリジェンス」を開発する方法である。 私たちは、研究者とAIエージェントを自動的に接続するアクティブな共有ワークスペースであるMyceliumを紹介します。 人間のユーザやエージェントが働くと、システムは重要な観察と仮説を捉え、チームの進化する知識モデルとどのように関係しているかを追跡し、次に通知できる決定を人やエージェントにルーティングする。 我々はMyceliumを実世界の科学的発見のユースケースで評価する: 共有コンテキストが局所的な解析的発見を、クロスエキスパートな機械的制約に、そして最終的には実験的な設計へと変換する、生物学的マルチオミクスキャンペーンである。 最後に,ネットワークインテリジェンスを分散科学的文脈におけるスパース条件計算として記述する。 このフレームワークは、スケールされたスタンドアロンエージェントが十分なタイミングで確立され、独立したデータと専門的な専門知識がネットワーク化されたアプローチを必須とする。

関連論文リスト

• Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
  SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。 ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。 タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T22:55:30Z)
• Characterizing initial human-AI proof formalization workflows [66.06866890889131]
  AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。 我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。 質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
  論文  参考訳（メタデータ） (2026-06-02T22:58:19Z)
• Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
  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。
  論文  参考訳（メタデータ） (2026-05-07T09:30:25Z)
• Superminds Test: Actively Evaluating Collective Intelligence of Agent Society via Probing Agents [44.28040661008415]
  大規模言語モデルエージェントが数百万の人口に拡大するにつれ、重要な疑問が浮かび上がってくる。 大規模自律エージェント社会において,この問題に対する最初の経験的評価を提示する。 社会は複雑な推論タスクにおいて、個々のフロンティアモデルを上回り、分散情報を滅多に合成せず、さらに簡単な調整タスクを失敗することが多い。
  論文  参考訳（メタデータ） (2026-04-24T11:11:36Z)
• CoGrid & the Multi-User Gymnasium: A Framework for Multi-Agent Experimentation [0.17188280334580197]
  CoGridは、デュアルNumPyとJAXバックエンドを備えたマルチエージェントグリッドベースのシミュレーションライブラリである。 Multi-User Gymnasiumは、このようなシミュレーション環境を直接、インタラクティブなWebベースの実験に変換する。 MUGは任意の数の人間とAIとのインタラクションをサポートし、サーバ権限またはピアツーピアネットワークとロールバックネットコードを使ってレイテンシを考慮している。
  論文  参考訳（メタデータ） (2026-04-16T14:10:38Z)
• AI Phenomenology for Understanding Human-AI Experiences Across Eras [8.54750896635797]
  AI現象学とは、AIシステムと対話する際に「どう感じたか?」と問う研究スタンスである。 私たちはAI現象学を、ユーザーとAIシステム間のアライメントの体験、交渉、更新を捉えるフレームワークとして動機付けています。
  論文  参考訳（メタデータ） (2026-03-09T23:26:46Z)
• Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
  エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。 また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
  論文  参考訳（メタデータ） (2026-01-18T19:51:16Z)
• Can Agentic AI Match the Performance of Human Data Scientists? [27.236034079837044]
  大規模言語モデル(LLM)は、非常に自動化されたデータサイエンスを持つ。 これらのエージェントAIシステムは、人間のデータサイエンティストのパフォーマンスに本当にマッチできるか? ジェネリック分析ワークフローに依存するエージェントAIは、ドメイン固有の洞察を使用するメソッドに劣っていることを示す。
  論文  参考訳（メタデータ） (2025-12-24T05:31:42Z)
• 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)
• What Work is AI Actually Doing? Uncovering the Drivers of Generative AI Adoption [1.4977849232424492]
  本研究は,本質的なタスク特性が,AIシステムに業務を委譲するユーザの判断を促すかを検討する。 本研究は,実世界の生成AI利用を,本質的なタスク特性の包括的多次元フレームワークに結びつける最初の体系的証拠を提供する。
  論文  参考訳（メタデータ） (2025-10-26T19:13:37Z)
• HugAgent: Benchmarking LLMs for Simulation of Individualized Human Reasoning [27.80877165363182]
  人間の推論シミュレーションを3次元で再考するHugAgentを紹介した。 このベンチマークはHugAgentとTraceYourThinkingとしてオープンソース化されている。
  論文  参考訳（メタデータ） (2025-10-16T21:03:54Z)
• Scaling Large Language Model-based Multi-Agent Collaboration [72.8998796426346]
  近年の大規模言語モデル駆動型自律エージェントのブレークスルーにより、複数エージェントのコラボレーションが集団的推論を通じて各個人を上回ることが判明している。 本研究は、協調剤の連続的な添加が同様の利益をもたらすかどうかを考察する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Human-Modeling in Sequential Decision-Making: An Analysis through the Lens of Human-Aware AI [20.21053807133341]
  私たちは、人間を意識したAIシステムを構成するものの説明を提供しようとしています。 人間を意識したAIはデザイン指向のパラダイムであり、人間と対話するかもしれないモデリングの必要性に焦点を当てている。
  論文  参考訳（メタデータ） (2024-05-13T14:17:52Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Neural Amortized Inference for Nested Multi-agent Reasoning [54.39127942041582]
  本研究では,人間のような推論能力と計算限界のギャップを埋める新しい手法を提案する。 提案手法を2つの挑戦的マルチエージェント相互作用領域で評価する。
  論文  参考訳（メタデータ） (2023-08-21T22:40:36Z)

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。