Исследователи разработали новую систему искусственного интеллекта (ИИ), которая лучше, чем предыдущие технологии, анализирует и классифицирует диалог между отдельными людьми с целью совершенствования технологий командного обучения. Эта структура позволит обучающим технологиям лучше понять, насколько хорошо отдельные люди координируют свои действия друг с другом и работают как часть команды.

«Существует большой интерес к разработке технологий обучения на базе искусственного интеллекта, которые могут понимать динамику командной работы и модифицировать их обучение, чтобы способствовать улучшению сотрудничества между членами команды», — говорит Вуки Мин, соавтор статьи об этой работе и научный сотрудник Университета штата Северная Каролина. «Однако предыдущие архитектуры искусственного интеллекта изо всех сил пытались точно оценить содержание того, чем члены команды делятся друг с другом во время общения».

«Мы разработали новую структуру, которая значительно улучшает способность искусственного интеллекта анализировать общение между членами команды», — говорит Джей Панде, первый автор статьи и аспирант университета Северной Каролины. «Это значительный шаг вперед в развитии адаптивных технологий обучения, направленных на содействие эффективному командному общению и совместной работе».

Новая платформа искусственного интеллекта основана на мощной модели глубокого обучения, которая была обучена на большом текстовом наборе языковых данных. Эта модель, получившая название Text-to-Text Transfer Transformer (T5), затем была настроена с использованием данных, собранных во время учений на уровне подразделений, проводимых армией США.

«Мы модифицировали модель T5, чтобы использовать контекстуальные особенности команды, такие как роль спикера, для более точного анализа коммуникации в команде», — говорит Мин. «Этот контекст может быть важным. Например, то, что говорит руководитель команды, возможно, следует рассматривать иначе, чем то, что говорит другой член команды.»

Чтобы протестировать производительность нового фреймворка, исследователи сравнили его с двумя предыдущими технологиями искусственного интеллекта. В частности, исследователи протестировали способность всех трех технологий искусственного интеллекта понимать диалог внутри отделения из шести солдат во время учений.

Перед фреймворком искусственного интеллекта были поставлены две задачи: классифицировать, какого рода диалог происходил, и следить за потоком информации внутри команды. Классификация диалога относится к определению цели того, что было сказано. Например, запрашивал ли кто-то информацию, предоставлял ли информацию или отдавал команду? Отслеживание потока информации относится к тому, как информация распространялась внутри команды. Например, передавалась ли информация вверх или вниз по цепочке командования?

«Мы обнаружили, что новая платформа работает значительно лучше, чем предыдущие технологии искусственного интеллекта», — говорит Панде.

«Одной из особенно многообещающих вещей было то, что мы обучили нашу платформу, используя данные из одной учебной миссии, но протестировали производительность модели, используя данные из другой учебной миссии», — говорит Мин. «И повышение производительности по сравнению с предыдущими моделями искусственного интеллекта было заметным — даже несмотря на то, что мы тестировали модель в новых условиях».

Исследователи также отмечают, что им удалось достичь этих результатов, используя относительно компактную версию модели T5. Это важно, потому что это означает, что они могут получить анализ за доли секунды без использования суперкомпьютера.

«Следующий шаг в этой работе включает изучение того, в какой степени новая структура может быть применена к множеству других сценариев обучения», — говорит Панде.

«Мы протестировали новый фреймворк с обучающими данными, которые были переведены людьми из аудиофайлов в текст», — говорит Мин. «Еще один следующий шаг будет включать интеграцию фреймворка с моделью искусственного интеллекта, которая преобразует аудиоданные в текст, чтобы мы могли оценить способность этой технологии анализировать данные командного общения в режиме реального времени. Это, вероятно, потребует улучшения способности фреймворка справляться с шумами и ошибками по мере того, как искусственный интеллект расшифровывает аудиоданные».

Доклад «Надежная аналитика командных коммуникаций с помощью моделирования диалогов на основе трансформаторов» будет представлен на 24-й Международной конференции по искусственному интеллекту в образовании (AIED 2023), которая пройдет 3-7 июля в Токио, Япония.