論文の概要: Understanding Operator Attitudes Toward AI-Supported Decision Making in Maritime Operations
- arxiv url: http://arxiv.org/abs/2609.11805v1
- Date: Thu, 10 Sep 2026 16:57:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.451544
- Title: Understanding Operator Attitudes Toward AI-Supported Decision Making in Maritime Operations
- Title（参考訳）: 海上作戦におけるAI対応意思決定に対するオペレータの態度の理解
- Abstract要約: 本稿では,衝突回避シナリオにおけるAI支援アシスタントに対する海洋利害関係者の態度に関する調査研究について述べる。
結果は、海洋技術に対する概して肯定的な態度を示し、開度に年齢による差異が明らかでないこと、シナリオ間の安定した信頼、よりシナリオに敏感な説明評価を示す。
この結果は、海事AIシステムは、自動化や信頼の向上だけでなく、透明性、信頼性、運用上意味のある設計を通じて、キャリブレーションされた信頼性のサポートにのみ焦点をあてるべきであることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Maritime Autonomous Surface Ships (MASS) and AI- supported decision assistants are expected to transform maritime operations, but their safe integration depends on how maritime professionals perceive and trust such systems. This paper presents a survey study on maritime stakeholders' attitudes toward an AI-supported assistant in collision-avoidance scenarios. Participants evaluated technology anxiety, trust in automation, and explanation quality using established and adapted questionnaires, complemented by sentiment and thematic analysis of open-ended responses Results indicate a generally positive disposition toward maritime technology, no clear age-related differences in openness, stable trust across scenarios, and more scenario-sensitive, multidimensional explanation ratings. Open responses showed that participants valued support for decision-making, situation awareness, and confidence-building, while raising concerns about AI reliability, over- reliance and loss of expertise. The findings suggest that maritime AI systems should not focus solely on increasing automation or trust, but on supporting calibrated reliance through transparent, reliable, and operationally meaningful design with domain experts in the loop.
- Abstract（参考訳）: 海上自動表面船(MASS)とAIが支援する意思決定アシスタントは、海事業務を変革すると予想されるが、その安全な統合は、海事専門家がそのようなシステムをどのように認識し、信頼するかに依存する。
本稿では,衝突回避シナリオにおけるAI支援アシスタントに対する海洋利害関係者の態度に関する調査研究について述べる。
参加者は, 技術不安, 自動化に対する信頼, および, 定評と適応された質問紙による説明品質を評価し, 感情分析, テーマ分析の結果から, 海事技術に対する概して肯定的な態度を示し, 開放性に対する年齢的差異, シナリオ間の安定な信頼, よりシナリオに敏感な多次元的説明評価を示した。
オープンな回答は、参加者が意思決定、状況認識、信頼構築のサポートに重きを置いている一方で、AIの信頼性、過剰な信頼、専門知識の喪失に対する懸念を高めていることを示している。
この結果は、海事AIシステムは、自動化や信頼の向上のみに焦点を当てるのではなく、透明性、信頼性、運用上意味のある設計を通じて、ループ内のドメインエキスパートとの調整された信頼性をサポートすることを示唆している。
関連論文リスト
- Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。
この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。
各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文 参考訳（メタデータ） (2026-05-17T10:26:37Z) - Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。
本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
論文 参考訳（メタデータ） (2026-01-16T18:44:09Z) - OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。
我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文 参考訳（メタデータ） (2025-10-28T13:22:39Z) - Explainable AI for Maritime Autonomous Surface Ships (MASS): Adaptive Interfaces and Trustworthy Human-AI Collaboration [0.0]
本稿では,海上自律型表面船の自動化透明性に関する100の研究を合成する。
我々は、人間の安全でない制御行動が、ハンドオーバと緊急ループに集中している場所を特定する。
センサ/SA取得と融合、HMI/eHMIプレゼンテーション、エンジニア対応プロセスの3つのレイヤにおける透明性のための設計戦略。
論文 参考訳（メタデータ） (2025-09-19T13:18:54Z) - From Sea to System: Exploring User-Centered Explainable AI for Maritime Decision Support [0.0]
本稿では,海洋領域における効果的な人間-機械チーム構築の基盤として,説明可能なAI(XAI)の重要性を強調した。
本研究では,海洋専門家の信頼,ユーザビリティ,説明可能性に対する認識を捉えたドメイン固有調査を提案する。
我々の目的は、海運チームや海運チームのニーズに合わせた、ユーザ中心のXAIシステムの開発を奨励し、指導することである。
論文 参考訳（メタデータ） (2025-09-18T15:42:54Z) - Towards Responsible AI: Advances in Safety, Fairness, and Accountability of Autonomous Systems [0.913755431537592]
この論文は、AIシステムの安全性、公正性、透明性、説明責任に関する知識を前進させる。
我々は,古典的決定論的遮蔽技術を拡張し,遅延観測に対する耐性を高める。
我々は,グループフェアネスを逐次決定設定で強制するための,新しい後処理手法であるフェアネスシールドを導入する。
論文 参考訳（メタデータ） (2025-06-11T21:30:02Z) - Too Much to Trust? Measuring the Security and Cognitive Impacts of Explainability in AI-Driven SOCs [0.6990493129893112]
説明可能なAI(XAI)は、AIによる脅威検出の透明性と信頼性を高めるための大きな約束を持っている。
本研究は、セキュリティコンテキストにおける現在の説明手法を再評価し、SOCに適合したロールアウェアでコンテキストに富んだXAI設計が実用性を大幅に向上できることを実証する。
論文 参考訳（メタデータ） (2025-03-03T21:39:15Z) - Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。
私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
論文 参考訳（メタデータ） (2024-10-25T07:53:32Z) - Designing for Responsible Trust in AI Systems: A Communication
Perspective [56.80107647520364]
我々は、MATCHと呼ばれる概念モデルを開発するために、技術に対する信頼に関するコミュニケーション理論と文献から引き出す。
私たちは、AIシステムの能力として透明性とインタラクションを強調します。
我々は、技術クリエーターが使用する適切な方法を特定するのに役立つ要件のチェックリストを提案する。
論文 参考訳（メタデータ） (2022-04-29T00:14:33Z) - Uncertainty as a Form of Transparency: Measuring, Communicating, and
Using Uncertainty [66.17147341354577]
我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。
モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。
この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
論文 参考訳（メタデータ） (2020-11-15T17:26:14Z)
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。