論文の概要: Collective creativity in hybrid societies

• arxiv url: http://arxiv.org/abs/2609.02620v1
• Date: Wed, 02 Sep 2026 13:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.404188
• Title: Collective creativity in hybrid societies
• Title（参考訳）: ハイブリッド社会における集団創造性
• Abstract要約: 生成的AIの文脈における創造性は、ハイブリッド集団の性質として最もよく理解されている。 結果を決定するのは、どのエージェントが存在するか、どの比率で、どのように接続されているかである。
• 参考スコア（独自算出の注目度）: 0.30782642039384867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI is changing how cultural artifacts are created and circulated, and with it our understanding of creativity itself. Researchers disagree about whether these tools enrich or impoverish culture, and we argue that much of that disagreement comes from conflating two distinct components of creativity: novelty, a property of single artifacts, and diversity, a property of populations. We argue further that creativity in the context of generative AI is best understood as a property of hybrid collectives, or populations of interacting people and algorithms, rather than of individuals. AI-assisted ideation reliably raises the novelty of individual output while narrowing diversity in the aggregate, but this is not an inevitable consequence of putting machines in the loop. Because humans and models search in complementary ways, mixed groups can outperform and out-diversify groups of either kind alone, and machine-discovered solutions can enter human culture and persist there. What decides the outcome is composition: which agents are present, in what proportion, and how they are connected. The question is no longer whether AI helps or harms creativity, but which mixtures let individual gains accumulate without eroding collective diversity.
• Abstract（参考訳）: ジェネレーティブAIは、文化的なアーティファクトの作成と流通方法を変え、創造性そのものに対する私たちの理解を変えようとしている。 研究者たちは、これらのツールが文化を豊かにするかどうかについて意見が一致しておらず、その相違の多くは、創造性の2つの異なる構成要素(新奇性、単一人工物の特性、多様性、人口の性質)を混同することによるものだと論じています。 さらに、生成的AIの文脈における創造性は、個人よりもむしろ、ハイブリッドな集団、あるいは相互作用する人々やアルゴリズムの集団の特性として最もよく理解されていると論じる。 AI支援によるアイデアは、集約の多様性を狭めながら、個々のアウトプットの新規性を確実に向上させるが、これは、機械をループに入れることによる必然的な結果ではない。 人間とモデルは相補的な方法で探索するので、混合グループはどちらの種類のグループよりも優れ、また、マシンが発見したソリューションは人間の文化に入り、そこで持続することができる。 結果を決定するのは、どのエージェントが存在するか、どの比率で、どのように接続されているかである。 問題は、AIが創造性を阻害するかどうかではなく、集団の多様性を損なうことなく、個々のゲインを蓄積させることだ。

関連論文リスト

• AI-AI co-creation outperforms human pairs in creative tasks [34.66332281789898]
  AIとAIの共同創造条件は、創造性とノベルティに関する単一のAI創造と人間のペアを一貫して上回った。 人間のペアは、グループクリエイティビティにおける生産損失と一致して、最悪の成績を収めた。 これらの結果から,構造化された反復型マルチエージェントAI共創は,単体AIや人間-ヒトの思考を超越する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-08-10T02:25:28Z)
• Individual Gain, Collective Loss: Metacognitive Adaptation in AI-Assisted Creativity [0.0]
  AIは個人の創造的なアウトプットを高めながら、集団の多様性を減らします。 選択的メタ認知適応を提案する: 日常的なAIは、メタ認知の努力を均一に減らすのではなく、再分節を使用する。 本稿では、時間的位相によって組織された6つのメタ認知能力の分類を提示し、それらの傾向を日常的なAI使用下で特徴づけ、個々に合理的な適応が創発的な社会的コストをいかに生み出すかを示す。
  論文  参考訳（メタデータ） (2026-06-04T00:21:35Z)
• Multi-agent AI systems outperform human teams in creativity [55.46056199651459]
  大規模言語モデル(LLM)は、研究やイノベーションにおいてますます採用されている。 ここでは、マルチエージェントのLLMチームが、創造性において人間チームよりも大幅に優れています。 この利点は、同等の有用性を維持しながら、斬新さによって引き起こされる。
  論文  参考訳（メタデータ） (2026-05-18T05:52:11Z)
• Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems [0.0]
  本稿では,創造性を共有制約と競争インセンティブの下で出現する分散的・プロセス的特性として再認識する。 本稿では,創造性を合成の新規性として測定するための定量的枠組みを導入する。 この知見は, 生成AIの時代において, 浮力よりも独特性が人間の創造能力の第一のシグナルとなることを示唆している。
  論文  参考訳（メタデータ） (2026-04-10T12:49:17Z)
• Incentives shape how humans co-create with generative AI [3.182696575286433]
  創造的な執筆作業において、AIの均質化力を仲介するインセンティブが示される。 その結果、生成AIの効果は技術そのものだけでなく、その利用を取り巻く行動戦略やインセンティブ構造にも依存していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-04T00:18:51Z)
• CreativeBench: Benchmarking and Enhancing Machine Creativity via Self-Evolving Challenges [69.3795501613098]
  コード生成における機械の創造性を評価するベンチマークであるCreativeBenchを紹介します。 CreativeBenchは、創造性と幻覚を、品質とノベルティの産物として定義された統一された計量によって客観的に区別する。 進化的探索パターンを内部化し,機械の創造性を継続的に向上する,プラグアンドプレイ型推論時ステアリング戦略であるEvoRePEを提案する。
  論文  参考訳（メタデータ） (2026-03-12T12:36:56Z)
• Competition and Diversity in Generative AI [3.1507640991166603]
  競争市場は多様なAIモデルを選択し、モノカルチャーを緩和している。 独立して機能する生成AIモデル(つまりベンチマークによれば)は、反復的市場において価値の提供に失敗する可能性がある。
  論文  参考訳（メタデータ） (2024-12-11T18:34:31Z)
• Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art [90.8684263806649]
  視覚芸術の創造において、AIが人間の認知的限界を超越する方法を示します。 我々の研究は、視覚芸術には膨大な未探索の概念的組み合わせが含まれているという仮説を立てている。 本稿では,人間の認知能力を超えた概念の組み合わせを同定し,生成するエイリアン組換え法を提案する。
  論文  参考訳（メタデータ） (2024-11-18T11:55:38Z)
• Measuring Human Contribution in AI-Assisted Content Generation [66.06040950325969]
  本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。 人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
  論文  参考訳（メタデータ） (2024-08-27T05:56:04Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Picking on the Same Person: Does Algorithmic Monoculture lead to Outcome Homogenization? [90.35044668396591]
  機械学習における繰り返しのテーマはアルゴリズムによるモノカルチャーである。同じシステム、またはコンポーネントを共有するシステムは、複数の意思決定者によってデプロイされる。 意思決定者がトレーニングデータや特定のモデルなどのコンポーネントを共有すれば、より均一な結果が得られます。 我々はこの仮説をアルゴリズムフェアネスベンチマークで検証し、トレーニングデータの共有がホモジェナイゼーションを確実に悪化させることを示した。 結果の均質化に関する哲学的分析と社会的な課題を、デプロイされた機械学習システムに含めることに着目して結論付ける。
  論文  参考訳（メタデータ） (2022-11-25T09:33:11Z)

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。