AI Can Enhance Creativity in Social Networks

要約

ピアレコメンデーションエンジンは、自己組織化されたソーシャルネットワークにおける人々の創造的なパフォーマンスを高めることができるでしょうか?
この質問に答えるには、データ収集 (例: ノードのインスピレーションのリンクや心理社会的属性の追跡) と介入設計 (例: 進化する情報環境におけるアイデアの刺激と冗長性のバランス) における課題を解決する必要があります。
私たちは、オンライン プラットフォームのセマンティックおよびネットワーク構造の特徴を使用して、人々のアイデア発想のパフォーマンスを予測するモデルをトレーニングしました。
このモデルを使用して、人々の予測パフォーマンスを最大化し、その人々に対するピアの推奨事項を生成する SocialMuse を構築しました。
私たちは、SocialMuse を活用した治療ネットワークが、いくつかの創造性評価において AI に依存しない制御ネットワークよりも優れていることを発見しました。
SocialMuse がネットワーク規模が大きくなるとネットワーク構造の特徴をますます強調するため、治療ネットワークは対照ネットワークよりも分散化されました。
この分散化により、人々のインスピレーションの源が広がり、インスピレーションを受けたアイデアがより目立つようになります。
私たちの研究は、創造性を高めるためのインテリジェント システムの構築に関する実用的な洞察を提供します。

要約(オリジナル)

Can peer recommendation engines elevate people’s creative performances in self-organizing social networks? Answering this question requires resolving challenges in data collection (e.g., tracing inspiration links and psycho-social attributes of nodes) and intervention design (e.g., balancing idea stimulation and redundancy in evolving information environments). We trained a model that predicts people’s ideation performances using semantic and network-structural features in an online platform. Using this model, we built SocialMuse, which maximizes people’s predicted performances to generate peer recommendations for them. We found treatment networks leveraging SocialMuse outperforming AI-agnostic control networks in several creativity measures. The treatment networks were more decentralized than the control, as SocialMuse increasingly emphasized network-structural features at large network sizes. This decentralization spreads people’s inspiration sources, helping inspired ideas stand out better. Our study provides actionable insights into building intelligent systems for elevating creativity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google