[논문 리뷰] Team Learning as a Lens for Designing Human-AI Co-Creative Systems

Frederic Gmeiner, Kenneth Holstein외 1명|arXiv (Cornell University)|2022. 07. 06.

Virtual Reality Applications and Impacts인용 수 7

한 줄 요약

이 논문은 인간-AI 공동 창작 협업을 팀 학습 과정으로 재구성하여 협업 품질을 향상시키고, 공유된 정신 모델과 적응형 지원을 통해 사용자가 시스템의 능력과 한계를 학습할 수 있도록 돕는다. 공통된 창작 기능과 적응형 팀 학습 레이어를 통합한 개략적 프레임워크를 제안하여, 소통, 상호 이해, 사용자 및 시스템의 정신 모델의 반복적 정련을 통해 협업을 향상시키고자 한다.

ABSTRACT

Generative, ML-driven interactive systems have the potential to change how people interact with computers in creative processes - turning tools into co-creators. However, it is still unclear how we might achieve effective human-AI collaboration in open-ended task domains. There are several known challenges around communication in the interaction with ML-driven systems. An overlooked aspect in the design of co-creative systems is how users can be better supported in learning to collaborate with such systems. Here we reframe human-AI collaboration as a learning problem: Inspired by research on team learning, we hypothesize that similar learning strategies that apply to human-human teams might also increase the collaboration effectiveness and quality of humans working with co-creative generative systems. In this position paper, we aim to promote team learning as a lens for designing more effective co-creative human-AI collaboration and emphasize collaboration process quality as a goal for co-creative systems. Furthermore, we outline a preliminary schematic framework for embedding team learning support in co-creative AI systems. We conclude by proposing a research agenda and posing open questions for further study on supporting people in learning to collaborate with generative AI systems.

연구 동기 및 목표

• 인간-AI 공동 창작 시스템에서 과정 중심 평가의 부족을 해결하기 위해, 논문은 협업 품질을 주요 설계 목표로 삼는다.
• 인간과 기계학습 기반 시스템 간의 소통과 상호 이해의 과제를 해결하기 위해, 논문은 효과적인 협업을 위한 개념적 시각으로 팀 학습을 제안한다.
• 사용자가 생성형 AI와 효과적으로 협업하는 법을 학습할 수 있도록 지원하기 위해, 논문은 팀 학습 전략을 공동 창작 시스템 설계에 직접 통합하는 것을 제안한다.
• 미래의 AI 도구 개발을 이끌기 위해, 논문은 인간-AI 공동 창작 워크플로우에 팀 학습 지원을 통합하기 위한 개략적 프레임워크를 제시한다.
• 더 깊은 연구를 이끌기 위해, 논문은 인간-AI 창작 협업에서의 팀 학습에 초점을 맞춘 연구 의제를 제안한다.

제안 방법

• 논문은 핵심 창작 시스템 기능(A–C)과 협업을 조율하기 위한 적응형 지원 레이어(D)를 통합한 개략적 프레임워크(그림 1)를 개발한다.
• 프레임워크는 명시적이고 암묵적인 소통를 통해 사용자와 AI 간의 공유된 정신 모델(E)을 구축함으로써 목표, 능력, 한계에 대한 상호 이해를 강조한다.
• 시스템은 창작 과업 도중 사용자 자신의 능력과 AI의 상대적 강점 및 제약를 이해하도록 돕는 방식으로 사용자 자기 인식을 지원한다.
• 프레임워크는 사용자에게 시스템 동작 방식에 대한 제어 기능(F)을 포함하여, AI 지원의 수준과 유형을 사용자가 조절할 수 있도록 한다.
• 이 접근법은 인간 팀 학습 연구, 특히 협상, 논증, 해결 과정에 기반하여 AI 상호작용 설계에 영향을 준다.
• 방법론은 인간 전문가가 AI 지원을 시뮬레이션하는 Wizard-of-Oz 기법을 사용한 형성적 연구를 포함하며, AI 설계에 영향을 주기 위해 소통 및 교육 전략을 분석한다.

실험 결과

연구 질문

• RQ1 팀 학습은 다양한 창작 분야와 사용자 유형 간 협업을 지원하는 타당하고 바람직한 접근법인가?
• RQ2 인간-AI 공동 창작 시스템에서의 핵심 팀 학습 목표는 무엇이며, 이를 시스템 설계에 어떻게 구현할 수 있는가?
• RQ3 흐름 상태 창작 활동 중에 방해를 최소화하면서도 효과적인 팀 학습을 지원하는 데 가장 적합한 모odalities와 소통 스타일은 무엇인가?
• RQ4 실시간으로 사용자와 생성형 AI 시스템 간의 공유된 정신 모델 개발을 효과적으로 지원하는 방법은 무엇인가?
• RQ5 공동 창작 과정에서 사용자 주도성, 제어력, 시스템 자율성의 균형을 가장 잘 유지하는 설계 패턴과 상호작용 전략는 무엇인가?

주요 결과

• 논문은 효과적인 인간-AI 공동 창작을 위해서는 출력 품질만이 아니라 소통과 상호 이해를 포함한 협업 과정 품질로의 초점을 전환할 필요가 있음을 입증한다.
• 프레임워크는 협상, 논증, 적응형 조율와 같은 팀 학습 전략을 공동 창작 AI 시스템에 체계적으로 통합할 수 있음을 보여준다.
• 인간 전문가가 AI 시뮬레이터로 기능하는 형성적 관찰을 통해 사용자 상태와 목표를 모델링하는 등의 핵심 지원 전략이 드러났으며, 이는 AI 팀 학습 지원 설계에 영향을 준다.
• 연구는 사용자가 자신의 능력과 AI의 능력을 이해하는 자기 인식을 기를 수 있도록 하는 것이 효과적인 협업에 매우 중요하다고 규명한다.
• 인간 팀 학습에서의 소통 패턴, 예를 들어 건설적인 갈등과 해결 방식이 인간-AI 상호작용을 향상시키기 위해 적응적으로 적용될 수 있음을 강조한다.
• 제안된 프레임워크는 실시간 공동 창작 워크플로우에서 팀 학습을 지원하는 지능형 사용자 인터페이스 설계를 위한 기반을 제공한다.