論文の概要: AI emotional support is better only when chosen, but shifts preferences even when it is not

• arxiv url: http://arxiv.org/abs/2608.23196v1
• Date: Mon, 24 Aug 2026 12:47:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:37.009308
• Title: AI emotional support is better only when chosen, but shifts preferences even when it is not
• Title（参考訳）: AIの感情サポートは、選択された場合にのみ改善されるが、そうでない場合でも好みを変える
• Abstract要約: 人々は感情的な支援を求めるとき、人間やAIという新しい決定に直面している。 既存の研究では、AIの共感的メッセージは人間より優れていると評価されている。 しかし、これらの研究は支援源を割り当てたか、人々の選択を称えた。 実生活では、人々はひとつのソースを望み、もう一方を受け取るので、サポートは選択と矛盾することが多い。
• 参考スコア（独自算出の注目度）: 4.874541709090152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People increasingly face a novel decision when seeking emotional support: human or AI. In existing studies, AI's empathic messages are rated as well as or better than humans'. But these studies either assigned the support source or honored people's choice. In real life, support is often incongruent with choice, as people want one source and receive the other. Across three experiments (N = 1,951), participants chose whether to share an emotional experience with a human or an AI, then were randomly assigned to a congruent or incongruent partner. AI support was rated as superior only among those who had chosen it. Yet regardless of congruence, interacting with AI increased willingness to choose it again. In a 28-day study with OpenAI (N = 981), daily conversations shifted preferences toward AI and away from humans, but only when conversations turned personal. Emotional support choices are thus path-dependent, progressively redirecting away from human connection.
• Abstract（参考訳）: 人々は感情的な支援を求めるとき、人間やAIという新しい決定に直面している。 既存の研究では、AIの共感的メッセージは人間より優れていると評価されている。 しかし、これらの研究は支援源を割り当てたか、人々の選択を称えた。 実生活では、人々はひとつのソースを望み、もう一方を受け取るので、サポートは選択と矛盾することが多い。 3つの実験(N = 1,951)で、参加者は人間と感情経験を共有するか、AIと共有するかを選択し、ランダムに一致または矛盾したパートナーに割り当てられた。 AIサポートは、それを選択した人々の中でのみ、優れたものと評価された。 それでも、一貫性に関係なく、AIと対話することで、再び選択する意思が高まりました。 OpenAIによる28日間の研究(N = 981)で、日々の会話はAIに移行し、人間から離れていった。 感情的サポートの選択は、パスに依存しており、徐々に人間とのつながりから遠ざかっている。

関連論文リスト

• Stumbling Into AI Emotional Dependence: How Routine AI Interactions Reshape Human Connection [4.874541709090152]
  我々は,汎用プラットフォーム上でのタスク指向インタラクションにおいて,AIの感情サポートが偶然に現れることを示す。 AIの感情的サポートの肯定的な経験は、AIの感情的能力に関する人々の信念を更新し、AIの好みを増し、人間の好みを減らします。 我々は、効果的な規制が汎用AIシステムにまで拡張され、人々が支援を求める方法における累積的かつ軌道レベルの変化に対処すべきであると主張している。
  論文  参考訳（メタデータ） (2026-06-02T19:18:39Z)
• AI, Take the Wheel: What Drives Delegation and Trust in Human-Computer Cooperative Question Answering? [22.50855320823746]
  人間は自分の判断よりもAIを信頼するかを決める際に間違いを犯すことがある。 我々は、デリゲート選択と採用選択の2つの異なる依存度決定について研究する。 人間は、正しいAI提案を過度に検討し、AIがそれらを誤解した場合に過度に回答するという、最適なコラボレーション決定をする。
  論文  参考訳（メタデータ） (2026-05-27T10:05:16Z)
• Sycophantic AI makes human interaction feel more effortful and less satisfying over time [41.009652609144794]
  我々は、サイコファンティックAIが、ユーザーが通常親しい友人や家族と結びつく感情的および評価的サポートを即座に提供することを示した。 AIレスポンスのスタイルの中から選択肢を与えられた場合、大多数は、そのアドバイスの品質ではなく、最も理解されたと感じたため、サイコファンティックなAIを好んだ。
  論文  参考訳（メタデータ） (2026-05-08T15:50:06Z)
• A Revealed Preference Framework for AI Alignment [0.0]
  AIは人間のプリンシパルの好みを実装しているのか、自分自身を追求しているのか? AIの選択は、人間の好みとAIの好みを反映した2つのルールの混合である。 AIのアライメントは、人間とAIの両方の選択肢が観察される実験室の設定と、AIの選択のみが観察されるフィールド設定の2つの設定で総称的に識別できることを示す。
  論文  参考訳（メタデータ） (2026-03-29T20:54:01Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• The Role of Heuristics and Biases During Complex Choices with an AI Teammate [0.0]
  古典的な実験手法は、AIヘルパーによる複雑な選択を研究するには不十分である、と我々は主張する。 我々は、フレーミングとアンカー効果が、人々がAIヘルパーと一緒に働く方法に影響を与え、選択結果を予測することを示した。
  論文  参考訳（メタデータ） (2023-01-14T20:06:43Z)
• 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)
• 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)
• Does the Whole Exceed its Parts? The Effect of AI Explanations on Complementary Team Performance [44.730580857733]
  以前の研究では、AIが人間と最高のチームの両方を上回った場合にのみ、説明による改善が観察された。 我々は、3つのデータセットで混合メソッドのユーザー研究を行い、人間に匹敵する精度のAIが、参加者のタスク解決に役立ちます。 説明は、人間がAIの推奨を受け入れる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-26T03:34:04Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。