論文の概要: Thinking Outside the Bots: Human Ideas in AI's Semantic Blind Spots Are Not Inferior

• arxiv url: http://arxiv.org/abs/2610.17324v1
• Date: Mon, 12 Oct 2026 19:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.446123
• Title: Thinking Outside the Bots: Human Ideas in AI's Semantic Blind Spots Are Not Inferior
• Title（参考訳）: ボットの外で考える:AIのセマンティックブラインドスポットの人間の考えは不適切ではない
• Abstract要約: 我々は、タスクマッチングされたAIセマンティック比較セットにおいて、人間のアイデアがいかに強く、または弱く表現されたかを評価することによって、AIのセマンティックな"盲点"をマップする。 これら3つのタスク全体で、人間の応答はAI出力によってまばらにカバーされたセマンティック領域に拡張された。 これらの顕著な人間の反応は、創造性、品質、効果の有意義な欠陥を示さず、等しくまたは劣悪な学業成績と結びつき、いくつかの結果に対して信頼性の高い評価と達成が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-generated outputs are frequently perceived as highly creative, but also tend to be more similar to each other (homogenized) than human ideas. Does the human heterogeneity that extends beyond AI reflect valuable thinking that AI misses? Alternatively, is greater human heterogeneity driven by lower-quality ideas and less effective thinking that AI avoids? We developed Expansion of Divergent Generative Expression (EDGE) to map AI's semantic "blind spots" by assessing how strongly/weakly individual human ideas were represented in a task-matched AI semantic comparison set. Specifically, we compared human-generated vs. AI-generated ideas across three open-ended tasks: college admissions essays, alternative uses for everyday objects, and interpersonal advice. Across all three tasks, human responses extended into semantic regions sparsely covered by AI outputs. These distinctively human responses showed no meaningful deficits in creativity, quality, or effectiveness, were associated with equal-or-better academic performance, and with credibly superior ratings and achievement for some outcomes. These ideas were thus not merely poor-performing variation; they performed as well as or better than ideas that overlapped more strongly with AI ideas. More distinctive human ideas tended to receive higher creativity ratings, but this relationship was weak or reversed for AI ideas. Taken together, these results suggest that differentiation among human-generated ideas does not reflect poor thinking that AI can safely omit, and instead may afford both individual and population-level advantages.
• Abstract（参考訳）: AI生成されたアウトプットは、しばしば非常に創造的であると認識されるが、人間のアイデアよりも互いに(均質化された)類似している傾向がある。 AIを超えて広がる人間の異質性は、AIが見逃す価値ある思考を反映しているか? あるいは、AIが避けているような低品質のアイデアとより効果的な思考によって、人間の異質性は向上するのだろうか? 我々は,AIのセマンティックな「盲点」を,タスクマッチングされたAIセマンティックな比較セットにおいて,人間のアイデアがいかに強く,あるいは弱く表現されたかを評価することで,AIのセマンティックな「盲点」をマッピングするために,多様性生成表現の拡張(EDGE)を開発した。 具体的には、大学入試のエッセイ、日常的な物体の代替用途、対人的アドバイスの3つのオープンエンドタスクで、人間生成とAI生成のアイデアを比較した。 これら3つのタスク全体で、人間の応答はAI出力によってまばらにカバーされたセマンティック領域に拡張された。 これらの顕著な人間の反応は、創造性、品質、効果の有意義な欠陥を示さず、等しくまたは劣悪な学業成績と結びつき、いくつかの結果に対して信頼性の高い評価と達成が得られた。 したがって、これらのアイデアは単に貧弱なパフォーマンスのバリエーションであるだけでなく、AIのアイデアと強く重複するアイデアよりも、あるいはそれ以上に実行された。 より独特な人間のアイデアは高い創造性評価を受ける傾向があったが、この関係はAIのアイデアに対して弱かったり逆転していた。 これらの結果は、AIが安全に省略できるという考えを反映せず、個人レベルの利点と人口レベルの利点を両立させることができることを示唆している。

関連論文リスト

• The Boundaries of Automation: A Theory of Persistent Human Participation [107.84677954791773]
  高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。 一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。 この観点は、自動化の限界に重要な意味を持つ。
  論文  参考訳（メタデータ） (2026-07-23T17:33:43Z)
• 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)
• 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)
• How AI Ideas Affect the Creativity, Diversity, and Evolution of Human Ideas: Evidence From a Large, Dynamic Experiment [3.7900123585903827]
  実験では、参加者がChatGPTまたは以前の実験参加者から得た創造的アイデアを観察し、そのアイデアをブレインストーミングした。 我々は,AI生成例数(無,低,高露出)と,その例を「AI」とラベル付けした場合(開示)に変動した。 高いAI暴露は、個々のアイデアの創造性に影響を与えるものではなく、集団的アイデアの多様性の平均的量と変化率を増加させることを発見した。
  論文  参考訳（メタデータ） (2024-01-24T14:29:39Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• 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)

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。