論文の概要: Cognitive Tours: Making Understanding a Deliverable in AI-Assisted Development
- arxiv url: http://arxiv.org/abs/2611.08456v1
- Date: Thu, 05 Nov 2026 18:48:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 04:55:13.627183
- Title: Cognitive Tours: Making Understanding a Deliverable in AI-Assisted Development
- Title（参考訳）: 認知ツアー:AI支援開発で提供可能なことを理解する
- Abstract要約: 本稿では,認知と意図の負債を緩和し,修復するツールであるCognitive Toursを提案する。
Cognitive Toursは、ユーザニーズ、設計決定、コード、テスト、オープンな質問を結びつける、キュレートされたパスの作成と追跡のためのWebベースのプロトタイプである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative AI and agentic coding are accelerating software development, leading to concerns about technical debt. But two less visible forms of debt, cognitive debt and intent debt, are emerging as key risks to software health. Cognitive debt is the absence or erosion of a team's shared understanding where no one can confidently explain how a system works or predict the impact of a change. Intent debt is the lack of clearly articulated goals, constraints, and rationale that explain what the system is for and guide how it should evolve. This paper presents Cognitive Tours, a tool designed to mitigate and repair cognitive and intent debt. Cognitive Tours is a web-based prototype for creating and following curated paths connecting user needs, design decisions, code, tests, and open questions. AI-assisted skills help audit existing waypoints and tours for possible problems or staleness and suggest candidates for new ones; humans decide what matters, verify relationships, and construct the narrative. This division of work deliberately preserves productive friction: the sensemaking involved in selecting, explaining, and revising a tour, which is intended to foster and share understanding. Our demonstration uses a tour of Cognitive Tours itself to introduce the tool and illustrate its design decisions and interaction mechanisms. A proposed evaluation agenda concludes the paper. A demo is available at https://cognitive-tours-demo.vercel.app/
- Abstract（参考訳）: 生成AIとエージェントコーディングはソフトウェア開発を加速させており、技術的負債に対する懸念につながっている。
しかし、認知的負債と意図的負債という、目に見えない2つの形式の負債が、ソフトウェアの健全性にとって重要なリスクとして現れています。
認知的負債(Cognitive debt)とは、システムの動作方法や変更の影響を誰も自信を持って説明できない、チームの共通理解の欠如や浸食である。
意図的負債とは、システムが何のためにあるのかを説明し、どのように進化するかを導く、明確な目標、制約、合理的さの欠如である。
本稿では,認知と意図の負債を緩和し,修復するツールであるCognitive Toursを提案する。
Cognitive Toursは、ユーザニーズ、設計決定、コード、テスト、オープンな質問を結びつける、キュレートされたパスの作成と追跡のためのWebベースのプロトタイプである。
AI支援スキルは、潜在的な問題や不安定性に関する既存の道程やツアーを監査し、新しいものを提案するのに役立つ。
この仕事の分割は生産的な摩擦を故意に保存する: 理解を育み、共有することを目的としたツアーの選択、説明、改訂に関わる感覚の創造。
私たちのデモでは、Cognitive Tours自体のツアーを使用して、ツールを導入し、その設計決定とインタラクションメカニズムを説明します。
提案された評価議題が論文を締めくくっている。
デモはhttps://cognitive-tours-demo.vercel.app/で公開されている。
関連論文リスト
- Cognitive Debt in the GenAI Era - Listening to Practitioners' Voices on the Loss of Understanding [38.407717852733946]
ペースの速いAI支援ソフトウェア開発は、開発者が構築するシステムに対する理解を損なうリスクを負う。
我々は、認知的負債の概念化と顕在化、その要因、結果、そしてそれを防ぐ、検出し、緩和するプラクティスに焦点を合わせます。
論文 参考訳（メタデータ） (2026-10-27T19:27:21Z) - From Technical Debt to Cognitive and Intent Debt: Rethinking Software Health in the Age of AI [0.0]
ジェネレーティブAIはソフトウェア開発を加速していますが、本当のリスクがどこにあるのかを静かにシフトするかも知れません。
AIはチームよりも早くコードを生成するため、認知的負債、チーム間での共通理解の侵食、意図的負債という、評価の低い2つの負債が蓄積されます。
この記事では、3つの相互作用する負債タイプを中心に構築されたソフトウェアの健全性を推論するトリプル負債モデルを提案する。
論文 参考訳（メタデータ） (2026-03-23T15:36:23Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - Information Design in Multi-Agent Reinforcement Learning [61.140924904755266]
強化学習(Reinforcement Learning、RL)は、人間の幼児や動物が環境から学ぶ方法にインスパイアされている。
計算経済学の研究は、他者に直接影響を与える2つの方法を蒸留する: 有形物(機械設計)の提供と情報(情報設計)の提供である。
論文 参考訳（メタデータ） (2023-05-08T07:52:15Z) - Towards Reconciling Usability and Usefulness of Explainable AI
Methodologies [2.715884199292287]
ブラックボックスAIシステムは、誤った判断を下すと、責任と説明責任の問題を引き起こす可能性がある。
説明可能なAI(XAI)は、開発者とエンドユーザの間の知識ギャップを埋めようとしている。
論文 参考訳（メタデータ） (2023-01-13T01:08:49Z) - EgoTaskQA: Understanding Human Tasks in Egocentric Videos [89.9573084127155]
EgoTaskQAベンチマークは、現実世界のエゴセントリックなビデオに対する質問回答を通じて、タスク理解の重要な次元を提供する。
我々は,(1)行動依存と効果,(2)意図と目標,(3)エージェントの他者に対する信念の理解を念頭に設計する。
我々は、我々のベンチマークで最先端のビデオ推論モデルを評価し、複雑なゴール指向のエゴセントリックなビデオを理解する上で、人間の間に大きなギャップがあることを示します。
論文 参考訳（メタデータ） (2022-10-08T05:49:05Z) - Taking the Intentional Stance Seriously: A Guide to Progress in
Artificial Intelligence [0.0]
それぞれのユニークなツールの仕組みに関するメンタルモデルを構築しているのです。
本稿では,この主張を明確にする意図の命題的態度を精査する。
論文 参考訳（メタデータ） (2022-09-21T13:38:23Z) - AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。
本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。
また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文 参考訳（メタデータ） (2021-09-24T19:17:09Z)
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。