[논문 리뷰] eXtended Artificial Intelligence: New Prospects of Human-AI Interaction Research

Carolin Wienrich, Marc Erich Latoschik|arXiv (Cornell University)|2021. 03. 27.

Virtual Reality Applications and Impacts참고 문헌 70인용 수 70

한 줄 요약

이 논문은 확장된 현실(XR) 환경을 통해 인간-AI 상호작용을 체계적으로 연구하기 위한 XR-AI 연속체 프레임워크를 제안한다. XR 환경을 통해 AI의 신체화가 사용자 인식과 행동에 미치는 영향을 통제되고 타당성 있는 실험으로 검증할 수 있음을 입증하며, 인간-로봇 상호작용에서 성별 효과와 추천 시스템에서의 엘리자 효과를 규명한다.

ABSTRACT

Artificial Intelligence (AI) covers a broad spectrum of computational problems and use cases. Many of those implicate profound and sometimes intricate questions of how humans interact or should interact with AIs. Moreover, many users or future users do have abstract ideas of what AI is, significantly depending on the specific embodiment of AI applications. Human-centered-design approaches would suggest evaluating the impact of different embodiments on human perception of and interaction with AI. An approach that is difficult to realize due to the sheer complexity of application fields and embodiments in reality. However, here XR opens new possibilities to research human-AI interactions. The article's contribution is twofold: First, it provides a theoretical treatment and model of human-AI interaction based on an XR-AI continuum as a framework for and a perspective of different approaches of XR-AI combinations. It motivates XR-AI combinations as a method to learn about the effects of prospective human-AI interfaces and shows why the combination of XR and AI fruitfully contributes to a valid and systematic investigation of human-AI interactions and interfaces. Second, the article provides two exemplary experiments investigating the aforementioned approach for two distinct AI-systems. The first experiment reveals an interesting gender effect in human-robot interaction, while the second experiment reveals an Eliza effect of a recommender system. Here the article introduces two paradigmatic implementations of the proposed XR testbed for human-AI interactions and interfaces and shows how a valid and systematic investigation can be conducted. In sum, the article opens new perspectives on how XR benefits human-centered AI design and development.

연구 동기 및 목표

• 실세계의 복잡한 환경에서 다양한 AI 신체화가 인간의 인식과 상호작용에 미치는 영향을 연구하는 데 도전하는 데 목적을 둔다.
• 인간-AI 상호작용을 위한 확장 가능한, 통제 가능한, 체계적인 연구 프레임워크로 XR-AI 연속체를 제안하는 것.
• 로봇 상호작용과 AI 추천 시스템에 대한 두 가지 실증적 실험을 통해 프레임워크를 검증하는 것.
• XR를 활용한 인터페이스 신체화 영향의 체계적 조사를 가능하게 하여 인간 중심의 AI 설계를 발전시키는 것.
• 몰입형 시뮬레이션을 통해 추상적인 AI 개념과 실질적인 사용자 경험 사이의 격차를 메우는 것.

제안 방법

• 다양한 인간-AI 인터페이스 신체화의 스펙트럼을 모델링하고 연구하기 위한 이론적 및 실용적 프레임워크로 XR-AI 연속체를 제안한다.
• 통제된 실험 환경에서 다양한 AI 신체화(예: 인간형 로봇, 가상 에이전트)를 몰입형 XR 환경으로 시뮬레이션한다.
• 표준화된 인간 중심 설계 원칙을 적용하여 다양한 AI 인터페이스 형태에서 사용자 인식, 행동, 상호작용 품질을 평가한다.
• 두 가지 통제된 실험을 수행한다: 성별화된 로봇 아바타를 활용한 인간-로봇 상호작용 실험과 엘리자 유사 반응을 보이는 텍스트 기반 AI의 추천 시스템 실험.
• 기존의 심리학 및 HCI 이론(예: 매체 이론, 프로테우스 효과, 미묘한 골짜기 이론)을 활용하여 XR 환경에서의 사용자 반응을 해석한다.
• 행동 적응도, 사회적 존재감, 상호작용 지속 시간과 같은 정량적 지표를 사용하여 사용자 반응을 평가한다.

실험 결과

연구 질문

• RQ1 로봇의 성별화된 신체화가 인간의 상호작용 행동과 인식에 어떤 영향을 미치는가?
• RQ2 텍스트 기반 AI가 엘리자 유사 반응을 보일 경우, 사용자가 인간다운 특성을 더 강하게 인식하고 행동 적응을 보이는 정도는 어느 정도인가?
• RQ3 XR-AI 연속체는 인간-AI 인터페이스 설계 선택의 체계적이고 타당한 조사를 어떻게 가능하게 하는가?
• RQ4 신체화는 AI 시스템에 대한 사용자 기대와 신뢰를 어떻게 형성하는가?
• RQ5 몰입형 XR 환경은 실제 배포 이전에 미래의 AI 인터페이스 개념을 효과적으로 시뮬레이션하고 테스트할 수 있는가?

주요 결과

• 인간-로봇 상호작용에서 성별 효과가 뚜렷하게 관찰되었으며, 참가자들은 남성 음성 로봇과 여성 음성 로봇을 대상으로 서로 다른 행동 패턴을 보였다.
• 엘리자 효과가 추천 시스템 실험에서 확인되었으며, 사용자들은 단순한 AI를 의도보다 더 공감 능력 있고 반응성이 있는 것으로 인식했다.
• 참가자들은 아바타 외형에 따라 행동 적응을 보였으며, 이는 AI 상호작용 환경에서 프로테우스 효과를 뒷받침한다.
• XR-AI 연속체 프레임워크는 인간-AI 인터페이스 설계에 대한 타당하고 반복 가능하며 확장 가능한 실험을 가능하게 했다.
• 몰입형 XR 환경은 실제 세계의 AI 상호작용 역학을 효과적으로 시뮬레이션하여 신체화 영향의 통제된 연구를 가능하게 하였다.
• 연구는 인터페이스의 신체화가 AI 시스템에서 사용자 인식, 신뢰도, 상호작용 품질에 크게 영향을 준다는 점을 확인하였다.