このスライドは、インタラクション分野のトップカンファレンスCHIに設けられたセクションInteract with AIの論文をそれぞれ１枚に要約したものになります。説明可能なAI (XAI) の話やAIによる作業支援の話をまとめています。この内容は CHI 2019勉強会で発表した一部となります。CHI 2019勉強会の内容をもっと知りたい方はこちらのリンクを御覧ください。 http://study.hci.one/event/chi2019/program

1. 58. Interacting with AI
尾崎安範
株式会社サイバーエージェント
0
0

2. May AI?
Design Ideation with Cooperative Contextual Bandits
Janin Koch, Andrés Lucero, Lena Hegemann, Antti Oulasvirta
Aalto University
• ⽂脈を考慮した探索を利⽤するこ
とにより、その場で⼈間の好みに
対して適応してくれるところがウ
リ
• CCBによるムードボード作成⽀援
ツールをプロのデザイナーに使っ
てもらい、アンケートとインタ
ビューを実施。
定量的には実⽤的品質は有意に下
がったものの、感性的品質とのバラ
ンを考えると品質は有意に向上した
とのこと
定性的にはCCBにより提案された画
像を⾒て、プロのデザイナーはアハ
体験したとのこと
提案の⽅法論に基づいたムードボード※作成⽀援ツール
AIとのインタラクション結果であるムードボード※
デザイナー
※ ムードボードとは、プロダクトなどのデザインにおいて、
その個々の構成要素にデザインの⼀貫性を持たせるために使われる⼀枚絵。トンマナとかに使える。
デザインのアイデア出しをAIが⽀援する⽅法論として
Cooperative Contextual Bandits (CCB)によるアプローチを提案した論⽂

3. Designing Theory-Driven User-Centric Explainable AI
Danding Wang†, Qian Yang, Ashraf Abdul†, Brian Y. Lim†
†: School of Computing, National University of Singapore
‡ : Human- Computer Interaction Institute, Carnegie Mellon Universityｗ
• AIと共同で推論することによ
り、⼈間だけが⾏うと発⽣する
認知バイアスを防げるだろうと
ころがウリ
• 提案の⽅法論に基づいて14⼈
の医者と共同でデザインした病
気診断⽀援ツールを作成
提案の⽅法論に基づいた病気診断⽀援ツール
AIによる推論結果と推論の根拠を⽰して医師の意思決定を⽀援したい
医者
推論の根拠を⼈間にわかるように説明できるAI (XAI)を設計する際に
⼈間の推論機構とAIの推論機構と対応付けるような⽅法論を提案した論⽂
現象タイプ︓ ショック
患者がショックであると
このシステムが予測した根拠は以下の通り。
１．ここ２４時間の収縮期⾎圧が121.42よりも低い
２．ここ２４時間の酸素飽和度が90よりも低い

4. In a Silent Way
Communication Between AI and Improvising Musicians Beyond Sound
Jon McCormack†, Toby Gifford†, Patrick Hutchings†, Maria Teresa Llano Rodriguez‡, Matthew Yee-King‡, Mark d’Inverno‡
†: SensiLab, Monash University
‡: Goldsmiths, University of London
• ⼈間にはわかりにくいAIの⾃信
度を表情として画⾯に表⽰する
ことにより、AIのテンポに合わ
せて⼈間が演奏できるように
なっているのがウリ
• 演奏後に７⼈の奏者へアン
ケートをとったところ、奏者は
フローの⾼さを表す指標※がラ
ンダム表情表⽰よりかは⾼い傾
向が⾒られた
しかし、実験参加者数が少なく、
信頼性にかけている結果である
⽪膚抵抗値と⾳からドラム⾳と表情を出すAI
⼈間とAIのアンサンブル
サックス奏者
※フローとは、現在の⾏動に没頭している状態のことを指す。本論⽂の実験では質問形式FSS-2 SHORT scaleを使って、演奏後
に測定したとのこと。
奏者とAIドラマーが⼀体となって演奏する⽅法を、奏者の⽪膚抵抗と楽器の⾳、
AIの⾃信度とドラムの⾳から作り出したという論⽂

5. Will You Accept an Imperfect AI? Exploring Designs for
Adjusting End-user Expectations of AI Systems
Rafal Kocielnik†, Saleema Amershi‡, Paul N. Bennett‡
†: University of Washington Seattle ‡:Microsoft Research Redmond
• 不完全なAI※１に対する受容性
や満⾜度の低下を防ぐ３つの⼿法、
精度表⽰器、例に基づく説明、パ
フォーマンスコントロールを提案
したところがウリ
• クラウドソーシングを使い、総
計３００⼈以上に提案⼿法を利⽤
してもらい、アンケートにより、
各⼿法の受容性や満⾜度を定量的
に検証
パフォーマンスコントロールのUI
(図中のBをドラッグすることで、ユーザは
AIの検出精度を調整することができる)
⼀般⼈※２
（クラウドソーシング）
※１ここのAIとはバーチャルアシスタントのことである。特にメール本⽂を⾃然⾔語処理することにより、メール本⽂から
会議予定を検出して、カレンダーアプリに登録するバーチャルアシスタントのことを具体的には指している。
※２ 実験参加者の属性が不特定であるため、ここでは⼈間のシルエットを表⽰している。
不完全なAIをエンドユーザが受容することに個⼈差があることや、AIの能⼒を
エンドユーザが調整可能にすることで受容性を向上させられることを⽰した論⽂
受容性アップ