人間とAIの対話品質を高めるための新たなアプローチが登場した。英国ケンブリッジ大学の副研究員である史丹青博士らの研究チームは、大規模言語モデル（LLM）のAI対齊（AI alignment）プロセスにおいて、人間が提供するフィードバックの質を向上させるための「交互式分解」手法「DxHF」を提案した。この手法は、従来の長文比較によるフィードバック方式に課題があることから生まれた。特に、長文や複雑な内容では人間がすべてを記憶・比較する能力に限界があり、結果として判断の精度が低下するという問題を解決することを目的としている。 DxHFは、「分解原則」に基づくアプローチで、長文を意味的に独立した短い主張に分解し、それぞれを個別に評価できるようにする。これにより、ユーザーは一括で全体を把握する負担を軽減しつつ、細部の違いを正確に検出できる。また、視覚的に各主張の重要性を不透明度で表現し、語義的に類似する部分をつなぐことで、ユーザーが関係性を直感的に把握できるインターフェースを実現した。 実験では、160人以上の参加者を対象にしたオンライン調査を行い、DxHFの効果を検証。その結果、フィードバックの正確性が平均5%向上し、特に判断に迷う状況では6.4%の改善が確認された。また、反応時間はわずかに増加したものの、ユーザーの意思決定の自信は向上し、認知負荷は低下した。 この研究は、人間の認知特性に配慮したUI設計の重要性を示しており、AI対齊だけでなく、法律文書の比較や政策分析など、長文の精緻な比較が必要な領域への応用も期待される。論文は人間インターフェースソフトウェアと技術の国際会議UIST 2025に採択され、2025年9月に韓国・釜山で開催される。史丹青博士は、人智連携（Human-AI Interaction）をテーマに、AIが人間の意図をより正確に理解できるようにする研究を推進しており、本成果はその一環として、AI対齊の実用性を大幅に高めるものと評価されている。