[论文解读] Team Learning as a Lens for Designing Human-AI Co-Creative Systems

Frederic Gmeiner, Kenneth Holstein+1 more|arXiv (Cornell University)|Jul 6, 2022

Virtual Reality Applications and Impacts被引用 7

一句话总结

本文将人机协同创作重新定义为团队学习过程，以提升协作质量，通过共享心智模型和自适应支持，帮助用户学习系统的能力与局限。该研究提出一个集成核心创作功能与自适应团队学习层的示意图框架，旨在通过沟通、相互理解以及用户与系统心智模型的迭代完善，提升协作效果。

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.

研究动机与目标

• 为解决现有研究中缺乏对过程导向的评估，本文将协作质量定位为主要设计目标。
• 为应对人类与机器学习驱动系统之间在沟通和相互理解方面的挑战，本文引入团队学习作为有效协作的概念性视角。
• 为支持用户有效学习如何与生成式AI协作，本文提出在协同创作系统设计中直接嵌入团队学习策略。
• 为指导未来AI工具的开发，本文提出一个示意图框架，用于将团队学习支持整合进人机协同创作工作流程。
• 为激发进一步研究，本文提出一个聚焦于人机协同创作中团队学习的研究议程。

提出的方法

• 本文开发了一个示意图框架（图1），将核心创作系统功能（A–C）与自适应支持层（D）整合，以协调协作过程。
• 该框架强调通过显性和隐性沟通在用户与AI之间建立共享心智模型（E），以实现对目标、能力与局限性的相互理解。
• 系统通过帮助用户理解自身及AI在创作任务中的相对优势与约束，支持用户自我认知。
• 该框架包含用户对系统行为的控制（F），使用户能够调节AI支持的层级与类型。
• 该方法借鉴人类团队学习研究，特别是协商、论证与冲突解决，以指导AI交互设计。
• 该方法包括使用“巫师之术”技术的形成性研究，由人类专家模拟AI支持，分析沟通与教学策略，以指导AI设计。

实验结果

研究问题

• RQ1 团队学习是否是一种适用于多样化创作领域与用户类型的可行且理想的合作支持方式？
• RQ2 在人机协同创作系统中，团队学习的关键目标是什么？这些目标如何在系统设计中实现？
• RQ3 哪些模态与沟通风格最能支持在心流状态创作活动中非干扰性的在行动团队学习？
• RQ4 系统如何有效支持用户与生成式AI系统之间实时共享心智模型的构建？
• RQ5 哪些设计模式与交互策略最能平衡用户自主性、控制权与系统自主性在协同创作过程中的关系？

主要发现

• 本文确立，有效的人机协同创作需从仅关注输出质量，转向关注协作过程质量，包括沟通与相互理解。
• 该框架表明，可系统性地将团队学习策略（如协商、论证与自适应协调）嵌入协同创作AI系统中。
• 通过人类专家作为AI模拟者的形成性观察，揭示了关键支持策略（如建模用户状态与目标），为AI团队学习支持设计提供依据。
• 研究指出，提升用户对其自身及AI能力的认知，是实现有效协作的关键。
• 研究强调，人类团队学习中的沟通模式（如建设性冲突与解决）可被适配以增强人机交互。
• 所提出的框架为人机协同创作工作流中实时支持团队学习的智能用户界面设计提供了基础。