論文の概要: The Boundaries of Automation: A Theory of Persistent Human Participation
- arxiv url: http://arxiv.org/abs/2607.21547v1
- Date: Thu, 23 Jul 2026 17:33:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.501513
- Title: The Boundaries of Automation: A Theory of Persistent Human Participation
- Title（参考訳）: 自動化の境界 : 永続的人間参加の理論
- Abstract要約: 高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。
一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。
この観点は、自動化の限界に重要な意味を持つ。
- 参考スコア（独自算出の注目度）: 107.84677954791773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid progress of AI has intensified the long-standing pursuit of automation: replacing human participation with algorithms wherever possible. Implicit in this pursuit is the assumption that humans remain in the loop only because current AI systems are not yet sufficiently capable. This paper challenges that assumption. Rather than asking how far automation can extend, we ask where its conceptual limits lie and argue that human participation may persist even with highly capable AI systems for three distinct reasons. Technical or complementarity grounds arise when humans contribute capabilities or perspectives unavailable to AI. Normative or developmental grounds arise when participation itself is valuable for human agency or learning. Most importantly, emergence grounds arise from target emergence: in some activities, the target is not fully specified in advance but instead emerges through the interaction itself. In these cases, human participation is not merely a means of improving execution but is constitutive of the target being produced. Human--AI co-construction, understood as the joint production of outcomes by humans and AI systems, is therefore not simply a temporary response to imperfect AI, but a persistent feature of activities whose objectives emerge through participation. This perspective has important implications for the limits of automation and for the design, evaluation, and ethics of future AI systems.
- Abstract（参考訳）: AIの急速な進歩は、人間の参加を可能な限りアルゴリズムに置き換えるという、長年続く自動化の追求を強化している。
この追求には、現在のAIシステムがまだ十分な能力を持っていないため、人間がループに留まっているという仮定が欠かせない。
本稿ではその仮定に挑戦する。
自動化がどこまで拡張できるかを問うのではなく、その概念的な限界がどこにあるのかを問うとともに、人間の参加は3つの異なる理由から、高度に能力のあるAIシステムでさえ持続する可能性がある、と論じる。
技術的あるいは補完的な根拠は、人間がAIに利用できない能力や視点に貢献するときに生じる。
ヒューマンエージェンシーや学習にとって、参加そのものが有用である場合に、規範的あるいは発展的な根拠が生じる。
最も重要な点として、ターゲットの出現源はターゲットの出現から生じ、あるアクティビティでは、ターゲットが事前に完全に特定されるのではなく、その代わりにインタラクション自体を通じて現れる。
このような場合、人間の参加は単に実行を改善する手段ではなく、生産対象を構成する。
人間-AI共同構築は、人間とAIシステムによる成果の共同生産と理解されているため、単に不完全なAIに対する一時的な反応ではなく、参加を通じて目的が現れる活動の持続的な特徴である。
この観点は、自動化の限界と将来のAIシステムの設計、評価、倫理に重要な意味を持つ。
関連論文リスト
- The Scaling Paradox in Human-AI Collaboration [2.1771821757134915]
我々は,AIによる経験的スケーリングの利点が,人間とAIのジョイントシステムの性能向上にどのように変換されるかを調べるための分析モデルを構築した。
人間のAI能力の正確な認識が得られれば,AIがスケールアップするにつれて,人間のAIシステムの性能が肯定的にスケールできることが示される。
さらに、コスト内部化や認識アライメントといった運用方針を通じて、企業がこれらの歪みを積極的に管理できることを示します。
論文 参考訳（メタデータ） (2026-08-01T18:51:50Z) - Nonuniformity Principle in Human-AI Coworking [7.8976567245659615]
生成AIでは、AI生成出力の品質を保証するためには、人間の判断と関与が不可欠である。
人間の専門家は、しばしば中間出力をレビューし、フィードバックを与え、修正し、その後のステップをステアリングすることで、AIを定期的に監視することが望ましい。
これにより、人間の監視の必要性と、より少ない介入でより多くのアウトプットを提供するAIの効率との間に緊張が生じます。
論文 参考訳（メタデータ） (2026-07-17T22:10:07Z) - From AGI to ASI [65.04985565452489]
人間のレベルの人工知能の構築は、遠方の憶測から、大規模なAI組織の多くにとって、具体的な次の10年ターゲットへと移行してきた。
報告では、AI自体が、マシンインテリジェンスの継続とともに、AGI後の世界でどのように発展し続けるのかを調査している。
論文 参考訳（メタデータ） (2026-06-10T21:14:10Z) - Aligning Generalisation Between Humans and Machines [74.120848518198]
AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。
AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - The Model Mastery Lifecycle: A Framework for Designing Human-AI Interaction [0.0]
ますます多くの分野におけるAIの利用は、長いプロセスの最新のイテレーションである。
異なる状況でAIをどのように使うべきかを決定する方法が緊急に必要である。
論文 参考訳（メタデータ） (2024-08-23T01:00:32Z) - Rolling in the deep of cognitive and AI biases [1.556153237434314]
我々は、AIが設計、開発、デプロイされる状況とは切り離せない社会技術システムとして理解する必要があると論じる。
我々は、人間の認知バイアスがAIフェアネスの概観の中核となる急進的な新しい方法論に従うことで、この問題に対処する。
我々は、人間にAIバイアスを正当化する新しいマッピングを導入し、関連する公正度と相互依存を検出する。
論文 参考訳（メタデータ） (2024-07-30T21:34:04Z) - Intent-aligned AI systems deplete human agency: the need for agency
foundations research in AI safety [2.3572498744567127]
人間の意図の一致は、安全なAIシステムには不十分である、と我々は主張する。
我々は、人類の長期的機関の保存がより堅牢な標準であると論じている。
論文 参考訳（メタデータ） (2023-05-30T17:14:01Z) - 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) - On the Influence of Explainable AI on Automation Bias [0.0]
我々は、説明可能なAI(XAI)によって自動化バイアスに影響を与える可能性に光を当てることを目指している。
ホテルのレビュー分類に関するオンライン実験を行い、最初の結果について議論する。
論文 参考訳（メタデータ） (2022-04-19T12:54:23Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z)
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。