ترجمه فارسی مقاله CREW: تسهیل تحقیقات تیمی انسان و هوش مصنوعی

چکیده

With the increasing deployment of artificial intelligence (AI) technologies, the potential of humans working with AI agents has been growing at a great speed. Human-AI teaming is an important paradigm for studying various aspects when humans and AI agents work together. The unique aspect of Human-AI teaming research is the need to jointly study humans and AI agents, demanding multidisciplinary research efforts from machine learning to human-computer interaction, robotics, cognitive science, neuroscience, psychology, social science, and complex systems. However, existing platforms for Human-AI teaming research are limited, often supporting oversimplified scenarios and a single task, or specifically focusing on either human-teaming research or multi-agent AI algorithms. We introduce CREW, a platform to facilitate Human-AI teaming research and engage collaborations from multiple scientific disciplines, with a strong emphasis on human involvement. It includes pre-built tasks for cognitive studies and Human-AI teaming with expandable potentials from our modular design. Following conventional cognitive neuroscience research, CREW also supports multimodal human physiological signal recording for behavior analysis. Moreover, CREW benchmarks real-time human-guided reinforcement learning agents using state-of-the-art algorithms and well-tuned baselines. With CREW, we were able to conduct 50 human subject studies within a week to verify the effectiveness of our benchmark.

چکیده به فارسی (ترجمه ماشینی)

با استقرار فزاینده فن آوری های هوش مصنوعی (AI) ، پتانسیل انسانهایی که با عوامل هوش مصنوعی کار می کنند با سرعت زیادی در حال رشد بوده است.تیمی Human-IAD یک الگوی مهم برای مطالعه جنبه های مختلف است که انسان و عوامل هوش مصنوعی با هم کار می کنند.جنبه منحصر به فرد تحقیقات تیمی بشر ، نیاز به مطالعه مشترک انسان و عوامل هوش مصنوعی ، خواستار تلاش های تحقیقاتی چند رشته ای از یادگیری ماشین تا تعامل انسان و رایانه ، علوم شناختی ، علوم اعصاب ، روانشناسی ، علوم اجتماعی و سیستم های پیچیده است.با این حال ، سیستم عامل های موجود برای تحقیقات تیمی بشر و آهک محدود هستند ، اغلب از سناریوهای بیش از حد ساده و یک کار واحد پشتیبانی می کنند ، یا به طور خاص بر روی تحقیقات تیم سازی انسان یا الگوریتم های هوش مصنوعی چند عامل تمرکز می کنند.ما خدمه را معرفی می کنیم ، بستری برای تسهیل تحقیقات تیمی بشر و آهن و درگیر همکاری های مختلف از رشته های علمی ، با تأکید شدید بر درگیری انسان.این شامل وظایف از پیش ساخته شده برای مطالعات شناختی و تیم سازی انسانی و آه با پتانسیل های قابل ارتقاء از طراحی مدولار ما است.پس از تحقیقات علوم اعصاب شناختی متعارف ، خدمه همچنین از ضبط سیگنال فیزیولوژیکی انسان چند حالته برای تجزیه و تحلیل رفتار پشتیبانی می کنند.علاوه بر این ، خدمه عوامل یادگیری تقویت کننده هدایت انسانی در زمان واقعی با استفاده از الگوریتم های پیشرفته و خطوط خوب تنظیم شده معیار می کنند.با خدمه ، ما توانستیم طی یک هفته 50 مطالعه موضوعی انسانی را انجام دهیم تا اثربخشی معیار خود را تأیید کنیم.