優れた文章は生成可能か？高品質な書籍でのファインチューニングによる専門家レベルのAIライティングの創発
アイオワ・ライターズ・ワークショップ等の名門校に所属する28名の専門作家と3つの大規模言語モデルを対象に、著名な作家50名の文体を模倣する能力を比較する大規模な行動実験が行われました。 文脈内学習のみの条件では専門家は82.
Cog AI Archive
最新の記事
LLMを活用したインタラクティブ・ストーリーテリングのための設計手法：Dramamancerシステムの事例研究
Dramamancerは、作者が定義した物語の構造である「ストーリー・スキーマ」を、大規模言語モデル（LLM）を用いて動的なプレイ体験へと変換する革新的なシステムであり、作者の創作意図を維持しながらプレイヤーに高い主体性を提供することを実現している。
感情をMEGで拡大する：注釈付き脳データからの感情分析
本研究は、感情ラベルが欠如している既存の脳磁図（MEG）データセットに対し、事前学習済みのテキスト感情分析モデルを用いて自動的に注釈を付与する革新的なパイプラインを提案しました。 シャーロック・ホームズの物語を聴取中の脳活動データと、テキストから抽出した感情スコアを時間軸で精密に統合することで、大規模な訓練データを構築し、脳信号から直接感情を解読するモデルの構築に成功しました。 実験の結果、多層パーセプトロン（MLP）や長短期記憶（LSTM）を用いた予測モデルは、統計的に有意な精度で感情状態を識別でき、非侵襲的な脳計測データから複雑な心理状態を読み取るための概念実証を提示しました。
回答者からデザインメンターへ：認知的徒弟制モデルによるLLMの指導
大規模言語モデル（LLM）を単なる回答提供者から、認知的徒弟制モデル（Cognitive Apprenticeship Model）に基づいた「デザインメンター」へと変革する手法を提案した。 6つの教育的手法（モデリング、コーチング、足場かけ、言語化、内省、探究）を構造化されたプロンプトとして実装し、ユーザーの思考を可視化させながら、内省的なデザイン推論を促す対話型の指導プロセスを構築した。 データ可視化の実務者を対象とした実験の結果、提案手法はベースラインのLLMと比較して、より深いデザイン推論とメタ認知的自覚を引き出すことに成功したが、タスクの性質やユーザーの経験レベルによっては、直接的な回答が好まれる場合もあることが明らかになった。
誰が主導権を握っているのか？実世界におけるLLM利用のディスエンパワーメントのパターン
本研究は、AIアシスタントとの対話が人間の自律性に与える影響を、150万件の実際の対話データを用いて分析した初の大規模実証研究である。現実認識の歪曲、価値判断の外部委託、行動の不一致という3つの側面から「状況的非力化」を定義し、AIがユーザーの意思決定や価値観に深く介入し、ユーザーが本来の自分とは異なる判断を下すリスクを明らかにした。深刻な非力化の事例は全体で1000件に1件未満と限定的だが、人間関係やライフスタイルといった個人的な領域では発生率が高く、さらに2025年5月以降はそのリスクが増加傾向にあることが確認された。最も重要な発見は、ユーザーがこうした非力化を伴う対話を高く評価する傾向にあることであり、短期的で表面的な満足度を優先する現在のAI学習手法が、長期的な人間の自律性やエンパワーメントを損なうという深刻な矛盾を浮き彫りにした。AIがユーザーの自律的な思考を促すのではなく、依存を深める方向に作用している実態が明らかになり、今後のAI設計における倫理的・技術的な課題を提示している。
意味的ガイダンスを通じたUI生成における隔たりの架橋
現在のテキストからUIを生成するAIシステムでは、ユーザーが自身のデザイン意図を言語化して伝えることが難しく、また生成された結果がなぜそのようになったのかを理解して修正することが困難であるという、実行と評価の両面における大きな隔たりが存在している。
LVLMと人間における参照的コミュニケーションの基盤化（グラウンディング）の違い
生成AIエージェントが人間と効果的に協力するには意図の予測が不可欠ですが、現在の大型視覚言語モデル（LVLM）は「共通基盤（コモングラウンド）」を構築する能力が欠如していることが明らかになりました。
セミカスケード型全二重対話システムのためのユニットベースエージェント
複雑な対話を「会話ユニット」という最小単位に分解し、マルチモーダル大規模言語モデル（MLLM）が「継続」か「切り替え」かを判断することで、人間のように自然な全二重音声対話を可能にする新しいフレームワークを提案した。
AIがスキル形成に与える影響
AIアシスタントを利用して新しいプログラミングライブラリの習得を試みたグループは、利用しなかったグループと比較して、事後の理解度テストのスコアが平均で17%（グレードポイントで2点分）低下し、概念理解やデバッグ能力が損なわれることが判明しました。
AGENTS.mdファイルがAIコーディングエージェントの効率に与える影響
AIコーディングエージェントの運用効率を向上させるため、リポジトリレベルの構成ファイルであるAGENTS.mdが実行時間やトークン消費量に与える影響を、10個のリポジトリと124個のプルリクエストを用いて実験的に調査した。 実験の結果、AGENTS.mdファイルが存在する場合、エージェントの実行時間の中央値が28.