論文の概要: Modelling lock-in of AI adoption through skill erosion

• arxiv url: http://arxiv.org/abs/2611.04886v1
• Date: Tue, 03 Nov 2026 13:33:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:43:57.762739
• Title: Modelling lock-in of AI adoption through skill erosion
• Title（参考訳）: スキル浸食によるAI導入のモデル化
• Abstract要約: 個人が成功した仲間を模倣する傾向のあるモデルを研究する。 彼らの独立したスキルは、実践とともに成長し、AIに依存して消滅します。 AIが向上するにつれて、採用は突然増加し、低価格の期間など、その利益が十分に長くなれば、人口はAIに依存するようになる。
• 参考スコア（独自算出の注目度）: 1.1675763847424785
• License:
• Abstract: Generative AI can improve immediate performance but may erode the human skills required for future work. We study a model in which individuals tend to imitate successful peers, while their independent skills grow with practice and erode with reliance on AI. Because each agent's skill reflects their history, non-users and AI users develop different skill distributions, which we derive exactly. Skill erosion can produce bistability and hysteresis between a low-adoption, high-skill state and a high-adoption, low-skill state. When agents rarely change behaviour at random, the two transitions are asymmetric. A single AI user spreads through a population of experts only if AI-assisted work earns more than expert work, whatever the timescale of skill adaptation. A single non-user, by contrast, can lead an AI-dependent population back to independent work only if they regain enough skill before returning to AI, which becomes easier the more persistent behaviours are. As AI improves, adoption can jump abruptly, and a sufficiently long increase in its benefit, such as a period of low prices, can leave a population relying on AI after the benefit has returned to its initial value. Skill erosion thus creates a history-dependent switching cost that can make widespread AI adoption difficult to reverse.
• Abstract（参考訳）: 生成AIは即時のパフォーマンスを改善することができるが、将来の作業に必要な人間のスキルを損なう可能性がある。 我々は、個人が成功した仲間を模倣する傾向にあるモデルについて研究し、その独立したスキルは実践とともに成長し、AIに依存して消滅する。 各エージェントのスキルはその履歴を反映しているため、非ユーザとAIユーザは異なるスキル分布を開発し、それを正確に導き出す。 スキル・エロージョンは、低順、高順、高順、低順の2つの状態の間に、安定性とヒステリシスをもたらす。 エージェントがランダムに振る舞いを変えることはめったにない場合、2つの遷移は非対称である。 一人のAIユーザーが、AI支援の仕事が専門家の仕事以上のものを得る場合、スキル適応の時間スケールによらず、専門家の集団に広まる。 対照的に、一人の非ユーザだけが、AI依存の集団を独立した仕事に戻せるのは、AIに戻る前に十分なスキルを取り戻すだけで、より永続的な行動がより簡単になる。 AIが向上するにつれて、採用は突然増加し、低価格の期間など、その利益の十分な長期化は、その利益が最初の価値に戻ると、AIに依存する人口を置き去りにすることができる。 これにより、スキルの侵食は履歴に依存したスイッチングコストを発生させ、AIの普及を逆転させることが困難になる。

関連論文リスト

• How AI Assistance Affects Human Skill Development: A Study of Learning with Logic Puzzles [12.810110526024873]
  オンデマンドAI支援を含む制御論理パズル実験における緊張度について検討する。 低コストの支援によって、AIの使用がより頻繁になることがわかりました。 また、AIアクセスフェーズ中にAI支援を要求する参加者は、援助を取り除いた後、そのタスクでさらに悪化することがわかった。
  論文  参考訳（メタデータ） (2026-08-24T17:46:11Z)
• 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)
• Increasing intelligence in AI agents can worsen collective outcomes [0.0]
  資源が不足している場合、AIエージェントの集団は調和して調整するか、それとも部族の混乱に陥るのか? 経験的および数学的には、資源が不足すると、AIモデルの多様性と強化学習が危険なシステムの過負荷を増大させるが、部族の形成はこのリスクを減少させる。 高度なAIエージェントの人口は、あまり良くない。AIエージェントの高度化が助けになるか、害を受けるかは、AIエージェントが出荷される前に知ることのできる1つの数字(人口比)に完全に依存する。
  論文  参考訳（メタデータ） (2026-03-12T16:31:28Z)
• Superintelligence Strategy: Expert Version [64.7113737051525]
  AI開発を不安定にすることで、大国間の対立の可能性が高まる可能性がある。 スーパーインテリジェンス — ほぼすべての認知タスクにおいて、AIが人間よりもはるかに優れている — が、AI研究者によって期待されている。 本稿では,相互保証型AI誤動作の概念を紹介する。
  論文  参考訳（メタデータ） (2025-03-07T17:53:24Z)
• Effects of AI Feedback on Learning, the Skill Gap, and Intellectual Diversity [4.8342038441006805]
  我々は、AIの使用が、学習、スキルギャップ、意思決定戦略の多様性という、関連する3つの長期的な結果にどのように影響するかを調査する。 私たちは、失敗よりも成功を経験した状況において、個人がAIフィードバックを求める可能性がはるかに高いことを示しています。 その結果、ハイスキルとロースキルのスキルギャップを減らさずに、AIフィードバックへのアクセスが増加する。
  論文  参考訳（メタデータ） (2024-09-27T11:44:03Z)
• Bootstrapping Developmental AIs: From Simple Competences to Intelligent Human-Compatible AIs [0.0]
  主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。 このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
  論文  参考訳（メタデータ） (2023-08-08T21:14:21Z)
• 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)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Effect of Confidence and Explanation on Accuracy and Trust Calibration in AI-Assisted Decision Making [53.62514158534574]
  ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。 信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
  論文  参考訳（メタデータ） (2020-01-07T15:33:48Z)

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。