arXiv cs.AI· Ryota Okumura, Tadahiro Taniguchi, Akira Taniguchi, Yoshinobu Hagiwara·· 3 天前AI 评分22
基于 Metropolis-Hastings 交互的人机共创学习
Co-Creative Learning via Metropolis-Hastings Interaction between Humans and AI
AI 导读
研究提出"共创学习"范式，让人类与 AI 通过 Metropolis-Hastings 命名博弈（MHNG）相互整合各自的感知信息，构建共享外部表征。
正文 · AI 翻译
摘要：我们提出共同创造学习作为一种新范式，即人类与 AI（即生物与人工代理）相互整合各自不完整的感知信息和知识，以构建共享的外部表征，我们将这一过程解读为符号涌现。与基于单向知识传递的传统 AI 教学不同，这解决了整合来自本质上不同模态信息的挑战。我们使用基于 Metropolis-Hastings 命名博弈（MHNG）的人机交互模型对这一框架进行了实证检验，MHNG 是一种去中心化贝叶斯推理机制。在一项在线实验中，69 名参与者在部分可观测条件下，与三种计算机代理类型（基于 MH、始终接受或始终拒绝）之一进行了联合注意命名博弈（JA-NG）。结果表明，与基于 MH 的代理组成的人机配对通过交互显著提高了分类准确率，并实现了向共享符号系统更强的收敛。此外，人类的接受行为与由 MH 推导出的接受概率高度一致。这些发现首次提供了实证证据，表明通过基于 MHNG 的交互，人机二元组中涌现出共同创造学习。这表明了一条有前景的路径，通向与人类共同学习而非从人类学习的共生 AI 系统，通过动态对齐感知经验，为共生 AI 对齐开辟了新领域。
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2506.15468 [cs.HC] |
| （或 arXiv:2506.15468v2 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2506.15468 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tadahiro Taniguchi [查看电子邮件]
[v1]
2025年6月18日星期三 13:58:45 UTC（895 KB）
[v2]
2026年10月13日星期二 02:06:09 UTC（899 KB）
来源：arXiv cs.AI · arxiv.org