論文の概要: Ready for What? Rethinking AI and Robotics Preparedness for Adoption and Policy

• arxiv url: http://arxiv.org/abs/2608.17520v1
• Date: Tue, 18 Aug 2026 08:44:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.272668
• Title: Ready for What? Rethinking AI and Robotics Preparedness for Adoption and Policy
• Title（参考訳）: AIとロボティクスの再考 : 導入と政策のための準備
• Abstract要約: 我々は、982,200人の参加者を対象に、AIとロボティクスの課題について、カードベースの調査を繰り返し分析した。 参加者は複数の課題を評価したので、デザインは、課題固有の個人内差から安定した個人間差を分離する。 同じ応答体内では、通常よりも1つの点がより複雑になり、約0.21ポイントの可読性が低下する。
• 参考スコア（独自算出の注目度）: 1.9428749720455656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efforts to accelerate AI and robotics adoption require evidence about where communities are ready to act and where support is still needed. Yet averages across stakeholder groups can obscure relationships that emerge when the same person evaluates different challenges. We analyse a repeated card-based survey in which 982 participants provided 15,200 evaluations of 17 AI and robotics challenges. Each challenge was rated on 1-5 measures of significance, complexity and readiness, where readiness refers to perceived community preparedness and available resources rather than personal competence or realised adoption. Because participants evaluated multiple challenges, the design separates stable between-person differences from challenge-specific within-person deviations. Within the same respondent, a challenge rated one point more complex than usual is associated with about 0.21 points lower readiness (p less than 0.001). By contrast, respondents who generally rate challenges as more complex do not systematically report lower readiness (p=0.29). Significance is positively associated with readiness, while unusually high complexity modestly weakens this alignment. These relationships vary across challenge families, and professional background remains associated with adjusted preparedness. On applied cards, confidence, trust and related perceptions add substantial information about readiness, including for held-out participants. For policymakers and organisations, averaging across stakeholders can hide challenge-specific barriers. Readiness assessments should preserve both differences between stakeholder groups and variation within the same stakeholders across challenges. Effective adoption and literacy strategies should ask not only who appears ready, but which challenges they find unusually difficult and whether the likely constraint concerns implementation, capability, assurance or resources.
• Abstract（参考訳）: AIとロボティクスの採用を加速する努力は、コミュニティの行動の準備ができている場所と、サポートが必要な場所に関する証拠を必要とする。 しかし、利害関係者グループの平均は、同じ人が異なる課題を評価すると、不明瞭な関係が生まれる可能性がある。 我々は、982人の参加者が17のAIとロボティクスの課題について15,200の評価を行ったカードベースの調査を繰り返し分析した。 それぞれの課題は、個人的能力や実現された採用よりも、コミュニティの準備と利用可能なリソースの認識を示す、重要性、複雑さ、準備の1～5つの尺度に基づいて評価された。 参加者は複数の課題を評価したので、デザインは、課題固有の個人内偏差から安定した個人間差を分離する。 同じ応答子の中で、通常よりも1つの点がより複雑であると評価された課題は、約0.21ポイント(p は 0.001 未満)の可読性に関連付けられている。 対照的に、一般に課題をより複雑なものとして評価する回答者は、体系的に低い準備を報告しない(p=0.29)。 重要性は準備に肯定的に結びついているが、異常に高い複雑さは、このアライメントを緩やかに弱める。 これらの関係は挑戦家族によって異なり、職業的背景は調整された準備と結びついている。 適用されたカードでは、信頼、信頼、および関連する知覚が、控えめな参加者を含む準備についてかなりの情報を与えます。 政策立案者や組織にとって、ステークホルダーをまたいだ平均的な行動は、チャレンジ固有の障壁を隠すことができる。 準備性評価は、ステークホルダグループ間の差異と、課題を越えて同じステークホルダ内のばらつきの両方を保たなければならない。 効果的な採用とリテラシー戦略は、誰が準備が整ったかだけでなく、どの課題に直面するのかを尋ねるべきである。

関連論文リスト

• Whose readiness counts? Disagreement within and between sectors in perceived AI and robotics preparedness [3.364230370922355]
  準備は、個人の意思や監査された組織能力ではなく、コミュニティの準備と利用可能なリソースと認識される。 製造は平均的準備性が最も高いが、ショップフロアロボティクス、プロセス最適化AI、一般的な意思決定支援アプリケーションはそれぞれ異なる判断がなされている。 したがって、業界が均一に準備が整っているという証拠よりも、ポートフォリオの要約として、セクタのランク付けが最適である。
  論文  参考訳（メタデータ） (2026-08-24T15:52:18Z)
• CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement [50.91045324738942]
  CLAIMは、オープンドメイン環境でのアクティブな明確化学習のための不確実性駆動フレームワークである。 本研究では,不確実性推定とセマンティッククラスタリングと推論に基づく判断を統合したエントロピー駆動型合成データ生成パイプラインを提案する。 実験の結果,手動でラベル付けしたデータに頼ることなく,CLAIMが安定かつ一般化可能な明確化戦略を学習できることが確認された。
  論文  参考訳（メタデータ） (2026-08-12T04:27:45Z)
• From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition [60.17193786245766]
  ABAWコンペティションでは、感情的および行動的理解の重要な側面をターゲットにした、さまざまな課題が紹介されている。 論文のトラックでは、ポーズ、動きと行動の推定、モデリングとマルチモーダル学習、ベンチマーク、データセットと評価プロトコル、公正性、堅牢性とデプロイメントなど、幅広いコントリビューションを提示している。
  論文  参考訳（メタデータ） (2026-05-24T17:44:37Z)
• First International StepUP Competition for Biometric Footstep Recognition: Methods, Results and Remaining Challenges [1.2679045974443117]
  バイオメトリックフットステップ認識のための第1回国際ステップUPコンペティションが開催された。 競合相手はStepUP-P150データセットを使用して堅牢な認識モデルを開発することを任務としていた。 トップパフォーマンスのチームであるSeeid_UCCは10.77%の誤差率(EER)を達成した。 全体としては、競争は強力なソリューションを示したが、馴染みの無い履物に一般化する上での永続的な課題は、将来の作業にとって重要な領域を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-02-11T17:53:46Z)
• Human Identification at a Distance: Challenges, Methods and Results on the Competition HID 2025 [70.29305328364755]
  距離における人間の識別に関する国際コンペティション(HID)は、2020年から毎年開催されている。 最高の性能の手法は94.2%の精度に達し、このデータセットに新しいベンチマークが設定された。 我々は重要な技術動向を分析し、将来の歩行認識研究の可能性について概説する。
  論文  参考訳（メタデータ） (2026-02-07T14:22:17Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Negotiative Alignment: Embracing Disagreement to Achieve Fairer Outcomes -- Insights from Urban Studies [1.3787753513429983]
  診断パターンは本例では体系的であった。 グループディスカッションでは、情報のギャップは減ったが、価値の衝突は減った。 意見の不一致を信号として扱い、合計と共に最悪のグループの結果を報告することは、プランナーやAI実践者がトレードオフに遭遇し、少数派の優先事項を維持しながら効率を維持するのに役立つかもしれない。
  論文  参考訳（メタデータ） (2025-03-16T18:55:54Z)
• Perception Gaps in Risk, Benefit, and Value Between Experts and Public Challenge Socially Accepted AI [0.0]
  本研究は,一般のAI専門家がAIの能力と影響をどう認識するかを検討する。 シナリオは、持続可能性、医療、仕事のパフォーマンス、社会的不平等、芸術、戦争といった領域にまたがる。 専門家は、常に高い確率を予測し、リスクを知覚し、より多くの利益を報告し、非専門家よりもAIに対する肯定的な感情を表現する。
  論文  参考訳（メタデータ） (2024-12-02T12:51:45Z)
• Investigating the Impact of Interpersonal Challenges on Feeling Welcome in OSS [20.055675387635212]
  対人的課題は、貢献者の間での歓迎感、特に過小評価されたグループからの歓迎感を阻害する。 本稿では,OSS内の多様な集団の歓迎意識に及ぼす対人的課題の影響について検討する。 性別、人種、障害グループによって異なる課題が、人々がどのように歓迎されているかに独特な影響を与えることがわかりました。
  論文  参考訳（メタデータ） (2024-11-03T15:11:50Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Unsupervised Person Re-Identification: A Systematic Survey of Challenges and Solutions [64.68497473454816]
  教師なしのRe-IDは、Re-ID担当者のスケーラビリティ問題に対処する可能性に注目が集まっている。 教師なしのRe-IDは、主に人物の特徴学習を監督するアイデンティティラベルが欠如しているため、難しい。 本調査では,課題と解決の観点から,教師なしのRe-IDに関する最近の研究を概観する。
  論文  参考訳（メタデータ） (2021-09-01T00:01:35Z)
• Degrees of individual and groupwise backward and forward responsibility in extensive-form games with ambiguity, and their application to social choice problems [0.0]
  確率単位の責任度を評価するために,様々な量的責任度尺度を提示する。 広義のゲームツリーの適応版と公理的アプローチに基づくフレームワークを使用する。 ほとんどの特性は、そのような責任計量を望んでも、ある変種によって達成できるが、他の指標より明らかに優れている最適な計量は見つからない。
  論文  参考訳（メタデータ） (2020-07-09T13:19:13Z)

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。