[論文レビュー] Digital Collaborator: Augmenting Task Abstraction in Visualization Design with Artificial Intelligence

Aditeya Pandey, Yixuan Zhang+3 more|arXiv (Cornell University)|Mar 2, 2020

Data Visualization and Analytics被引用数 4

ひとこと要約

本論文は、分野固有の目的を一般化された理論基盤の視覚化タスクに翻訳する、タスク抽象化の自動化と検証を支援する概念的AI駆動型デジタルコラボレーター（DC）を提案する。自然言語処理とタスク抽象化フレームワークを活用し、根拠に基づいた推奨を提供することで、人的バイアスを低減し、デザイン研究における一貫性を向上させる。

ABSTRACT

In the task abstraction phase of the visualization design process, including in "design studies", a practitioner maps the observed domain goals to generalizable abstract tasks using visualization theory in order to better understand and address the users needs. We argue that this manual task abstraction process is prone to errors due to designer biases and a lack of domain background and knowledge. Under these circumstances, a collaborator can help validate and provide sanity checks to visualization practitioners during this important task abstraction stage. However, having a human collaborator is not always feasible and may be subject to the same biases and pitfalls. In this paper, we first describe the challenges associated with task abstraction. We then propose a conceptual Digital Collaborator: an artificial intelligence system that aims to help visualization practitioners by augmenting their ability to validate and reason about the output of task abstraction. We also discuss several practical design challenges of designing and implementing such systems

研究の動機と目的

• 視覚化設計における主観的で誤りを含みやすい手作業によるタスク抽象化の課題に対処すること。これは、デザイナーのバイアスや知識の欠如に起因する。
• 人間のコラボレーターに起因する制限を克服すること。人間のコラボレーターは最新の知識を備えていないか、同様の認知バイアスにさらされる可能性がある。
• 視覚化研究者による適切なタスク抽象化フレームワークの選定とその抽象化の検証を支援するAI駆動のシステムを開発すること。
• 説明可能な出力と信頼性スコアを活用して、AIの推奨に対する透明性と信頼を向上させること。
• 多様な分野経験と視点を反映するため、AI支援タスク抽象化における公平性を確保するための配慮を検討すること。

提案手法

• インテリジェント・パーソナルアシスタント（IPAs）を模した質問・回答インターフェースを設計し、研究者がインタビューまたは観察から得た分野固有の目標を入力できるようにする。
• 自然言語処理（NLP）を用いて、マルチレベル型別体系、グラフタスク分類法、階層的タスク抽象化（HTA）などの既存のタスク抽象化フレームワークを活用し、入力された分野固有の目標を一般化されたタスク記述にマッピングする。
• 入力された文脈、データタイプ、タスク特性に基づき、最も適切な抽象化フレームワークを選択するためのフレームワーク特徴化モジュールを実装する。
• 複数の代替抽象化とその根拠を生成することで、透明性を向上させ、ユーザーによる検証を支援する。
• 信頼性スコアと人間を含むループ（human-in-the-loop）メカニズムを統合し、意見の不一致に対処し、AI推奨に対する信頼を高める。
• 既存の文献からトレーニングデータを収集するためのウェブクローラーを活用し、データ品質を保証するための人間の監視を実施して、矛盾する抽象化の解消を図る。

実験結果

リサーチクエスチョン

• RQ1 AIシステムは、与えられた分野固有の目標に対して、最も適切なタスク抽象化フレームワークを効果的に推奨できるか？
• RQ2 AIが生成するタスク抽象化における透明性とユーザーの信頼を向上するためのメカニズムは何か？
• RQ3 AIベースのシステムは、視覚化理論との整合性を保ちつつ、タスク抽象化におけるバイアスをどのように低減できるか？
• RQ4 人間を含むループによる検証は、AIが生成した抽象化の精錬と改善にどのような役割を果たせるか？
• RQ5 多様な分野経験と設計要件を反映するため、AI駆動のタスク抽象化に公平性と包括性を統合する方法は何か？

主な発見

• 提案されたデジタルコラボレーターは、確立された抽象化フレームワークを活用して、分野固有の目標を一般化された視覚化タスクにマッピングするのを支援し、手作業による誤りを含むプロセスへの依存を低減できる。
• 複数の代替抽象化とその根拠を提示することで、透明性が向上し、ユーザーによる検証が可能となり、研究者がAIの提案の妥当性を評価しやすくなる。
• 推奨事項に信頼性スコアを付与することで、ユーザーの信頼が向上し、AIが出力する結果の拒否が減少する。
• スマートなウェブクローラーを活用して研究文献からトレーニングデータを収集できるが、データ品質の問題（例：矛盾する抽象化）は人間の監視を必要とする。
• AIにおける公平性の懸念、例えば偏ったデータセットや代表されない側面の欠如は、積極的に是正する必要があり、これによりシステムが多様な設計ニーズと視点を支援できるようになる。
• 本システムは人間中心の設計実践を置き換えるものではなく、最新の理論に基づいた推奨を提供することで、タスク抽象化段階を支援する。