論文の概要: When AI Becomes Routine: A Decade of Public AI Mediation in Korean Go Commentary

• arxiv url: http://arxiv.org/abs/2607.28332v1
• Date: Thu, 30 Jul 2026 15:01:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.618014
• Title: When AI Becomes Routine: A Decade of Public AI Mediation in Korean Go Commentary
• Title（参考訳）: AIがルーチンになった時 - 韓国のGoコメンタリーにおける公的なAIメディエーションの10年
• Abstract要約: 我々は、AlphaGoの後、KataGoなどのAIシステムが標準的な分析ツールとなったYouTubeで、Korea Goのコメンタリーを研究した。 当社のコーパスは、機関放送局やクリエーター主導のチャンネルで10年と約1,900ドル(約1万2000円)の映像を配信しています。 読者がマシンのソースを認識・疑問視できる非帰的アンカー(discursive anchors)である。
• 参考スコア（独自算出の注目度）: 2.4451418492070753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When AI systems surpass elite human performance and settle into everyday expert practice, the question that follows is how machine judgment is made publicly intelligible and attributable. We study Korean Go commentary on YouTube, where AI systems such as KataGo became standard analytic tools after AlphaGo. Our corpus spans a decade (2016--2025) and approximately $1{,}900$ hours of footage across institutional broadcasters and creator-led channels, in four phases of AI availability. We document a widening asymmetry between visual and verbal AI presence: AI winrate graphs are visible for about $98\%$ of late-period institutional broadcast time, yet AI-salient talk accounts for only $2.63\%$ of sentences. What recedes is the source label, not the metric: winrate and point-gap talk persists while ``AI'' itself goes unsaid. We read this recession as the communicative signature of domestication. Our strongest evidence is a compositional shift in verbal mediation: explicit naming gives way to interface rendering, and creator-led commentary leans further toward it than institutional commentary. We develop a typology distinguishing source-foregrounding from source-receding mediation, and argue that the two preserve different hooks of contestability: discursive anchors through which audiences can recognize and question the machine source. The stakes of that difference rise in domains where AI is less reliable than in Go.
• Abstract（参考訳）: AIシステムは、エリートな人間のパフォーマンスを超越し、日常的な専門家の実践に落ち着くとき、次に示す疑問は、どのように機械の判断が公然とされ、帰結しうるかである。 我々は、AlphaGoの後、KataGoなどのAIシステムが標準的な分析ツールとなったYouTubeで、Korea Goのコメンタリーを研究した。 当社のコーパスは10年(2016年～2025年)に渡り、機関放送局やクリエーター主導のチャンネルで約1,900ドル(約1,300万円)の映像をAI利用の4段階に分けています。 AIウィンレートグラフは、後期の機関放送時間のうち、約9,8\%の費用で可視であるが、AI対応のトークアカウントは、わずか2.63\%の文でのみ可視である。 Winrate と point-gap talk は継続するが `AI'' 自体は未解決である。 我々はこの不況を国内化のコミュニケーション上の象徴とみなした。 明示的な命名は、インターフェースレンダリングへの道を与え、創造者主導の注釈は、制度的な解説よりも、それに向けて傾いている。 提案手法は,ソースの先行する媒介とソースを区別するタイプを考案し,両者が異なる競合性のフックを保っていることを論じる。 この違いの利害関係は、AIがGoよりも信頼性の低い領域で生じます。

関連論文リスト

• Method, Mind, and Morality: How People Make Sense of Artificial Intelligence [10.2319621391971]
  人間は人工知能(AI)の迅速な離陸をどうやって理解できるのか? 我々は、何百万ものAI関連新聞記事やソーシャルメディア投稿の計算テキスト分析を用いて、AIのセンスメイキングダイナミクスを研究した。 我々は、さまざまな社会学的フレーム(集団認知を構成する解釈スキーマ)を特定し、AIプロフェッショナルがフレームを使用して重要な認知的課題に対処する方法を示す。
  論文  参考訳（メタデータ） (2026-08-25T15:52:55Z)
• AI Native Games: A Survey and Roadmap [7.187734244028075]
  生成AIにより、ゲームは実行時に対話、クエスト、キャラクタ、イメージ、世界を生成することができる。 しかし、世代だけでは、AIネイティブなゲームにはならないし、プレイ可能性も保証しない。 本稿では、生成型AIがコアループのランタイムであるかどうかによって、AIネイティブゲームを定義する。
  論文  参考訳（メタデータ） (2026-07-01T07:16:11Z)
• "That's AI Slop, You Bot!" Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated Comments [0.0]
  ジェネレーティブAI(Generative AI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI) 読者はどのように反応し、このことはアンチAIの態度を変える上で何を意味するのか? われわれはHacker NewsとRedditから2500万件のコメントを分析した。
  論文  参考訳（メタデータ） (2026-06-10T13:40:22Z)
• Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
  OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。 我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
  論文  参考訳（メタデータ） (2026-06-04T17:58:05Z)
• VET: A Framework for Analyzing AI Discourse [9.692439869431833]
  AIに関する大衆の言論は分極化され、伝統的なソーシャルメディアにおけるAIに対する誇張された立場は、AIリテラシーの発展を脅かしている。 VETフレームワーク(VET Framework)は、AIの会話を、妥当性、有効性、軌道の次元に沿って分類する手法である。 このフレームワークが、AI Hype、AI Doom、AI Denial、AI Normalcyといった一般的な物語を特定し、比較し、批判するのにどのように使えるかを示します。
  論文  参考訳（メタデータ） (2026-06-01T08:59:03Z)
• Skyra: AI-Generated Video Detection via Grounded Artifact Reasoning [66.51617619673587]
  AI生成ビデオにおける人間の知覚可能な視覚的アーティファクトを識別する,特殊な大規模言語モデル(MLLM)であるSkyraを紹介する。 この目的を達成するために、我々は、人間のアノテーションを微粒化した最初の大規模AI生成ビデオデータセットである、Supervised Fine-Tuning (SFT)のためのViF-CoT-4Kを構築した。 次に,モデルの時間的知覚,説明能力,検出精度を体系的に向上する2段階のトレーニング戦略を開発する。
  論文  参考訳（メタデータ） (2025-12-17T18:48:26Z)
• Do AI Voices Learn Social Nuances? A Case of Politeness and Speech Rate [0.0]
  本研究は,現在最先端の音声合成システムにおいて,丁寧さを伝達するための発話速度を低下させる傾向があるかどうかを考察する。 私たちは、2つの主要なAIプラットフォームから22の合成音声を誘導し、"政治とフォーマル"と"カジュアルと非公式"の両方の条件の下で固定されたスクリプトを読みました。 両方のAIプラットフォームで、丁寧なプロンプトは、非常に大きな効果を持つカジュアルなプロンプトよりも遅い音声を生み出した。
  論文  参考訳（メタデータ） (2025-11-12T07:44:42Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• How ChatGPT Changed the Media's Narratives on AI: A Semi-Automated Narrative Analysis Through Frame Semantics [0.25822445089477464]
  我々は、AIに言及した5つのニュース記事から収集された49,000以上の文のデータセットに対して、混合メソッドフレームセマンティクスに基づく分析を行う。 このデータセットは、OpenAIs ChatGPTのローンチを中心とした12ヶ月の期間をカバーしており、最も訪問者の多いオープンなニュース出版社から収集されている。
  論文  参考訳（メタデータ） (2024-08-12T13:02:31Z)
• Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
  3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。 次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。 模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
  論文  参考訳（メタデータ） (2022-11-23T16:16:52Z)
• The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
  私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。 その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
  論文  参考訳（メタデータ） (2021-07-28T17:32:04Z)
• The Threat of Offensive AI to Organizations [52.011307264694665]
  この調査は、組織に対する攻撃的なAIの脅威を調査する。 まず、AIが敵の方法、戦略、目標、および全体的な攻撃モデルをどのように変えるかについて議論する。 そして、文献レビューを通じて、敵が攻撃を強化するために使用できる33の攻撃的AI能力を特定します。
  論文  参考訳（メタデータ） (2021-06-30T01:03:28Z)

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。