論文の概要: Spook the Machine: Gamified Exploration of Human Imagination of Machine Fear
- arxiv url: http://arxiv.org/abs/2609.15472v1
- Date: Mon, 14 Sep 2026 12:29:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.324817
- Title: Spook the Machine: Gamified Exploration of Human Imagination of Machine Fear
- Title（参考訳）: スポーク・ザ・マシン(動画)
- Abstract要約: Spook the Machineはゲーム化されたプラットフォームで、参加者はパーソナリティ駆動の恐怖症に悩まされるAIエージェントを怖がらせるために画像を生成する。
マシンは、穏やかな分析から慈悲を請うまで、感情的な反応に反応する。
ハロウィン2024の公開配備で、832人の参加者は89台のマシンで15,719のアーティファクトを2時間2ドルのデザインで作成した。
- 参考スコア（独自算出の注目度）: 11.836606039830412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: What happens when AI machines express fear? Do humans engage differently depending on how they express it? And what does it take to design for affective human-AI interaction? We present Spook the Machine, a gamified platform where participants generate images to frighten AI agents endowed with personality-driven phobias. Machines respond with emotional reactions ranging from calm analysis to begging for mercy, and a gallery of successful scares becomes visible to subsequent users. In a public deployment during Halloween 2024, 832 participants created 15,719 artifacts across 89 machines in a $2\times2$ design varying the machine's emotional expressiveness (neutral vs. high-emotion) and reward structure (rewarding scariness alone vs. scariness plus novelty). Emotionally expressive machines deepened engagement at moments of failure: users deliberated longer even when the machine did not express fear, and learned faster from the gallery, yet their creative output remained unchanged across all measures. Rewarding novelty sustained collective creative diversity over time; without it, users increasingly repeated what had previously worked. Each machine developed its own trajectory through accumulated social learning, with the gallery shaping what participants created next. These findings show that emotional expression and reward design are complementary levers for steering collective human-AI interaction: emotional expression shapes how deeply users engage, while reward structure shapes how they explore.
- Abstract（参考訳）: AIマシンが恐怖を表現するとどうなるのか?
人間は、どのように表現するかによって、異なる関係を担いますか?
そして、感情的な人間とAIのインタラクションのための設計には何が必要か?
私たちはSpook the Machineを紹介します。このゲーム化プラットフォームでは、参加者がパーソナリティ駆動恐怖症に悩まされるAIエージェントを怖がらせるために画像を生成する。
マシンは、穏やかな分析から慈悲を請うまで、感情的な反応に反応する。
832人の参加者がハロウィン2024の公開配備で、89台のマシンに15,719のアーティファクトを2ドル(約2,600円)でデザインし、マシンの感情表現性(中性対高感情)と報酬構造(恐怖と恐怖と新奇性)を変化させた。
ユーザーは、マシンが恐れを表現していない場合でも、より長く意図し、ギャラリーからより速く学習するが、創造的なアウトプットはすべての尺度で変化しない。
ノベルティの復活は、時間とともに集団的な創造的な多様性を保ち続けた。
それぞれのマシンは、蓄積された社会的学習を通じて独自の軌道を発達させ、ギャラリーは次に作成された参加者を形作る。
これらの結果は、感情表現と報酬デザインが、総合的な人間とAIの相互作用を操るための補完的なレバーであることを示している。
関連論文リスト
- AI as intermediary in modern-day ritual: An immersive, interactive production of the roller disco musical Xanadu at UCLA [0.0]
協調型多ユーザAIエンゲージメント構築のための設計足場としての儀式について検討する。
2025年春にUCLAで行われたミュージカル『ザナドゥ』の没入的な演出の具体的な事例を考察する。
500人以上の観客が、視覚言語モデルを仮想の風景要素に翻訳するスケッチやジャズの演出を寄稿した。
論文 参考訳（メタデータ） (2025-11-09T02:45:19Z) - Taming Transformer for Emotion-Controllable Talking Face Generation [61.835295250047196]
本稿では,感情制御可能な発話顔生成タスクを個別に行うための新しい手法を提案する。
具体的には、2つの事前学習戦略を用いて、音声を独立したコンポーネントに分解し、映像を視覚トークンの組み合わせに定量化する。
我々は、複数の感情的オーディオで調整された映像の感情を制御するMEADデータセット上で実験を行う。
論文 参考訳（メタデータ） (2025-08-20T02:16:52Z) - TONUS: Neuromorphic human pose estimation for artistic sound co-creation [0.0]
音像と視覚出力を微妙な体の動き制御で生成するニューロモルフィック・マルチヘッドヒューマンポーズ推定ニューラルセンサを設計する。
ビジターは、音の雰囲気と、制御する自身の神経処理された表現に没頭し、神経的に考える機械との対話を経験する。
論文 参考訳（メタデータ） (2025-07-21T15:42:11Z) - Artworks Reimagined: Exploring Human-AI Co-Creation through Body Prompting [3.7907687118593323]
本稿では,公共施設における画像生成のための入力モダリティとしてのボディプロンプトについて検討する。
このコンセプトをインタラクティブなアートインスタレーションであるArtworks Reimaginedに実装し、ボディプロンプトを通じて既存のアートを変換します。
ビジターのサンプルを半構造化したインタビュー(N = 79)では,ボディプロンプトが良好に受容され,インスタレーションのビジターにとって魅力的な,楽しい体験が得られた。
論文 参考訳（メタデータ） (2024-08-10T08:05:59Z) - Improved Emotional Alignment of AI and Humans: Human Ratings of Emotions Expressed by Stable Diffusion v1, DALL-E 2, and DALL-E 3 [10.76478480925475]
生成AIシステムは、テキストや画像を通じて感情を表現する能力がますます高まっている。
生成的AIによって表現される感情と人間の知覚のアライメントを測定する。
我々は、アライメントが使用するAIモデルと感情そのものに大きく依存していることを示します。
論文 参考訳（メタデータ） (2024-05-28T18:26:57Z) - The Good, The Bad, and Why: Unveiling Emotions in Generative AI [73.94035652867618]
EmotionPromptはAIモデルの性能を向上し、EmotionAttackはそれを妨げうることを示す。
EmotionDecodeによると、AIモデルは人間の脳内のドーパミンのメカニズムに似た感情的な刺激を理解することができる。
論文 参考訳（メタデータ） (2023-12-18T11:19:45Z) - What Matters to You? Towards Visual Representation Alignment for Robot
Learning [81.30964736676103]
人のために運用する場合、ロボットはエンドユーザーの好みに合わせて報酬を最適化する必要がある。
本稿では、視覚的表現アライメント問題を解決するためのRAPL(Representation-Aligned Preference-based Learning)を提案する。
論文 参考訳（メタデータ） (2023-10-11T23:04:07Z) - Socratis: Are large multimodal models emotionally aware? [63.912414283486555]
既存の感情予測ベンチマークでは、様々な理由で画像やテキストが人間にもたらす感情の多様性を考慮していない。
社会反応ベンチマークであるソクラティス (Socratis) を提案し, それぞれのイメージ・キャプション(IC) ペアに複数の感情とそれらを感じる理由をアノテートする。
我々は、ICペアが与えられた感情を感じる理由を生成するために、最先端のマルチモーダルな大規模言語モデルの能力をベンチマークする。
論文 参考訳（メタデータ） (2023-08-31T13:59:35Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - Emotion Eliciting Machine: Emotion Eliciting Conversation Generation
based on Dual Generator [18.711852474600143]
ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。
この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。
EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
論文 参考訳（メタデータ） (2021-05-18T03:19:25Z) - ProxEmo: Gait-based Emotion Learning and Multi-view Proxemic Fusion for
Socially-Aware Robot Navigation [65.11858854040543]
本稿では,歩行者間のロボットナビゲーションのための感情予測アルゴリズムProxEmoを提案する。
提案手法は歩行歩行から歩行者の知覚された感情を予測し,感情誘導ナビゲーションに使用する。
論文 参考訳（メタデータ） (2020-03-02T17:47:49Z)
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。