研究人员开发了一种新的人工智能（AI）框架，该框架在分析和分类个人之间的对话方面比以前的技术更好，目的是改进团队培训技术。该框架将使培训技术能够更好地了解个人之间的协调情况以及作为团队的一部分工作的情况。

“人们对开发人工智能驱动的培训技术非常感兴趣，这些技术可以理解团队合作动态并修改他们的培训，以促进团队成员之间的协作，”Wookhee Min说，他是这项工作论文的合著者，也是北卡罗来纳州立大学的研究科学家。“然而，以前的人工智能架构一直在努力准确评估团队成员在沟通时相互共享的内容。

“我们开发了一个新的框架，显着提高了人工智能分析团队成员之间沟通的能力，”该论文的第一作者，北卡罗来纳州立大学的博士生Jay Pande说。“这是开发适应性培训技术的重要一步，旨在促进有效的团队沟通和协作。

新的AI框架建立在强大的深度学习模型之上，该模型是在基于文本的大型语言数据集上训练的。该模型称为文本到文本传输转换器（T5），然后使用美国陆军进行的班级训练演习期间收集的数据进行定制。

“我们修改了 T5 模型，以使用团队的上下文特征（例如演讲者的角色）来更准确地分析团队沟通，”Min说。“这种背景可能很重要。例如，团队领导所说的内容可能需要与另一个团队成员所说的不同。

为了测试新框架的性能，研究人员将其与之前的两种AI技术进行了比较。具体来说，研究人员测试了所有三种人工智能技术在训练演习中理解六名士兵小队内对话的能力。

人工智能框架的任务有两件事：对正在发生的对话进行分类，并跟踪小队内的信息流。对对话进行分类是指确定所讲内容的目的。例如，是否有人请求信息、提供信息或发出命令？跟踪信息流是指如何在团队内共享信息。例如，信息是在指挥链上传递还是向下传递？

“我们发现新框架的性能明显优于以前的AI技术，”Pande说。

“特别有希望的一件事是，我们使用来自一个训练任务的数据训练了我们的框架，但使用来自不同训练任务的数据测试了模型的性能，”Min说。“与以前的AI模型相比，性能的提高是显着的 - 即使我们正在一系列新的情况下测试模型。

研究人员还指出，他们能够使用相对较小的T5模型来实现这些结果。这很重要，因为这意味着他们可以在没有超级计算机的情况下在几分之一秒内进行分析。

“这项工作的下一步包括探索新框架可以应用于各种其他培训场景的程度，”Pande说。

“我们使用训练数据测试了新框架，这些数据由人类从音频文件转录为文本，”Min说。“下一步将涉及将框架与将音频数据转录为文本的AI模型集成，以便我们可以评估该技术实时分析团队通信数据的能力。这可能涉及提高框架在AI转录音频数据时处理噪音和错误的能力。

原文标题：New AI boosts teamwork training

原文链接：https://techxplore.com/news/2023-06-ai-boosts-teamwork.html

作者：Matt Shipman

编译：LCR