論文の概要: AI-Augmented Inquiry and Regulation in Hybrid Systems: A Control Allocation Architecture for Preserving Epistemic Agency in Hybrid Human-AI Cognition
- arxiv url: http://arxiv.org/abs/2608.21618v1
- Date: Fri, 21 Aug 2026 20:32:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.914273
- Title: AI-Augmented Inquiry and Regulation in Hybrid Systems: A Control Allocation Architecture for Preserving Epistemic Agency in Hybrid Human-AI Cognition
- Title（参考訳）: ハイブリッドシステムにおけるAI-Augmented InquiryとRegulation:ハイブリッドヒューマンAI認知におけるてんかんエージェント保存のための制御アロケーションアーキテクチャ
- Abstract要約: 外的生成能力の増加に伴い、内部監視、校正、認知エンゲージメントが低下する可能性がある。
これは、分散人間-AIシステムにおける認知制御の再分配を反映している。
我々は、このジレンマを分析し、規制介入がどこで対処できるかを特定するためのAIRISフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.05863360388454259
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence (genAI) systems are increasingly integral to epistemic processes such as hypothesis generation, explanation construction, and decision-making. Although they reliably enhance performance, emerging evidence reveals a metacognitive dilemma: as external generative capacity increases, internal monitoring, calibration, and cognitive engagement may decline. This reflects a redistribution of cognitive control within distributed human-AI systems that cannot be explained by automation bias or reliance on algorithms alone. We propose the AIRIS (AI-Augmented Inquiry and Regulation in Hybrid Systems) framework to analyze this dilemma and specify where regulatory intervention can counteract it. AIRIS is a multi-level control allocation architecture specifying the conditions under which epistemic agency can be preserved in hybrid generative systems. Drawing on distributed cognition, cognitive load theory, multimedia learning, and self-regulated learning, it identifies seven interacting mechanisms through which hybrid cognition may become destabilized, from delegation and calibration drift to motivational-affective drift. Five regulatory operators (Anticipate, Interrogate, Reflect, Integrate, and Synthesize) target internal generative engagement at points of emerging instability. The architecture does not itself improve learning; it specifies what must remain in place for genAI-supported work to sustain understanding, whether through instructional design, teacher guidance, or learners' own regulation. We derive testable propositions concerning the seven mechanisms and the five operators, reframing AI augmentation as a problem of control allocation in distributed generative systems. Beyond theory, AIRIS offers a research agenda, a design framework for genAI-integrated learning environments, and a conceptual toolkit for the governance of hybrid human-AI cognition.
- Abstract（参考訳）: 生成人工知能(genAI)システムは、仮説生成、説明構築、意思決定といった疫学的なプロセスにますます不可欠なものになっている。
パフォーマンスは確実に向上するが、新たな証拠はメタ認知ジレンマを明らかにしている: 外部の生成能力が増大するにつれて、内部監視、校正、認知エンゲージメントが低下する可能性がある。
これは、自動化バイアスやアルゴリズムのみへの依存によって説明できない、分散人間-AIシステム内の認知制御の再分配を反映している。
本稿では,AIRIS(AI-Augmented Inquiry and Regulation in Hybrid Systems)フレームワークを提案する。
AIRISは多層制御アロケーションアーキテクチャであり、上皮性エージェンシーをハイブリッドな生成システムで保存できる条件を指定する。
分散認知、認知負荷理論、マルチメディア学習、そして自己制御学習に基づいて、ハイブリッド認知が不安定になる可能性のある7つの相互作用メカニズムを、デリゲートやキャリブレーションドリフトからモチベーションに影響を及ぼすドリフトまで特定する。
5つの規制オペレータ(Anticipate、Interrogate、Reflection、Integrated、Synthesize)は、新たな不安定点における内部生成エンゲージメントをターゲットにしている。
このアーキテクチャは、教育設計や教師の指導、学習者自身の統制などを通じて、ジェネシスが支援する作品の理解を維持するために必要となるものを規定している。
我々は, 7つの機構と5つの演算子に関する検証可能な命題を導出し, 分散生成系における制御割当の問題としてAI強化を考察する。
理論以外にも、AIRISは研究アジェンダ、genAI統合学習環境の設計フレームワーク、ハイブリッドな人間とAIの認知のガバナンスのための概念ツールキットを提供している。
関連論文リスト
- Exploratory Responsiveness and Adaptive Rigidity under AI-Assisted Optimization [0.0]
本稿では,AIによる最適化の下で探索適応の理論を開発する。
我々は、AIシステムの長期適応効果は、探索応答性そのものと予測支援がどのように相互作用するかに大きく依存していると主張している。
論文 参考訳（メタデータ） (2026-06-08T19:15:12Z) - A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。
応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。
我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
論文 参考訳（メタデータ） (2026-03-11T07:40:53Z) - AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。
静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。
本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
論文 参考訳（メタデータ） (2025-10-07T05:45:25Z) - Rational Superautotrophic Diplomacy (SupraAD); A Conceptual Framework for Alignment Based on Interdisciplinary Findings on the Fundamentals of Cognition [0.0]
ラショナル超独立外交(Rational Superautotrophic Diplomacy, SupraAD)は、アライメントのための理論的、学際的な概念的枠組みである。
認知システム分析と器質的合理性モデリングに着目する。
SupraADは、AIより前の課題としてアライメントを再構築し、十分に複雑で協調的なインテリジェンスを損なう。
論文 参考訳（メタデータ） (2025-06-03T17:28:25Z) - Lessons from complexity theory for AI governance [1.6122472145662998]
複雑性理論は、政策立案者にとって中心的な課題となるAIの特徴を照らすのに役立つ。
我々は、AI管理の取り組みが深刻な不確実性によってどのように特徴付けられるかを検討する。
我々は,AIガバナンスのタイミングと構造に関して,複雑性に適合する一連の原則を提案する。
論文 参考訳（メタデータ） (2025-01-07T07:56:40Z) - Generative AI and Its Impact on Personalized Intelligent Tutoring Systems [0.0]
生成AIは、動的コンテンツ生成、リアルタイムフィードバック、適応学習経路を通じてパーソナライズされた教育を可能にする。
報告では、自動質問生成、カスタマイズされたフィードバック機構、対話システムなどの重要な応用について検討する。
今後の方向性は、マルチモーダルAI統合の潜在的な進歩、学習システムにおける感情的知性、そしてAI駆動型教育の倫理的意味を強調する。
論文 参考訳（メタデータ） (2024-10-14T16:01:01Z) - Managing extreme AI risks amid rapid progress [171.05448842016125]
我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。
このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。
現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
論文 参考訳（メタデータ） (2023-10-26T17:59:06Z) - Examining the Differential Risk from High-level Artificial Intelligence
and the Question of Control [0.0]
将来のAI能力の範囲と範囲は、依然として重要な不確実性である。
AIの不透明な意思決定プロセスの統合と監視の程度には懸念がある。
本研究では、AIリスクをモデル化し、代替先分析のためのテンプレートを提供する階層的な複雑なシステムフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-06T15:46:02Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。