Comment l'IA peut aider les groupes à rester efficaces en classe et au-delà

Les petites équipes, quel que soit le projet sur lequel elles travaillent, partagent constamment des informations sur les objectifs, les obstacles et les prochaines étapes. En discutant des options, le groupe construit une compréhension commune du travail. C'est un processus complexe et résolument humain qui peut rapidement devenir compliqué si l'un des membres n'y prête pas attention ou ne comprend tout simplement pas un point clé et ne parvient pas à le clarifier pendant que le groupe avance.

Des chercheurs de l’université d’État du Colorado ont développé un modèle qui pourrait permettre à un agent doté d’intelligence artificielle de surveiller et même potentiellement d’arbitrer ces interactions pour encourager une meilleure collaboration. Ces travaux s’inscrivent dans le cadre d’un effort continu dans le domaine visant à mieux intégrer une compréhension du comportement non verbal, de la parole et de l’action directe dans les scénarios de collaboration homme-IA et homme-robot. Les résultats sont détaillés dans un nouvel article récemment publié dans les actes de la conférence internationale conjointe 2024 sur la linguistique computationnelle, les ressources linguistiques et l’évaluation.

L'article explore le concept de « suivi des points communs », qui consiste à identifier et à surveiller les croyances partagées et les questions ouvertes d'un groupe lorsqu'il discute d'une tâche. Il s'agit d'un défi difficile pour un système d'IA qui nécessite un suivi minutieux des interactions verbales et non verbales du groupe, qui peuvent s'entremêler de manière subtile. Il nécessite également de développer une compréhension du processus de réflexion de l'équipe au fil du temps et de la meilleure façon d'intervenir si elle s'écarte de la tâche.

Le professeur adjoint Nikhil Krishnaswamy a dirigé les travaux à la CSU par l'intermédiaire du département d'informatique. Son équipe a utilisé une expérience dans laquelle un groupe de trois personnes a essayé de déterminer en collaboration le poids d'un ensemble de blocs à l'aide d'une balance. La transcription minutieuse des déclarations des participants au cours de ce processus, telles que « Je pense que le bloc va ici » et des gestes comme le fait de pointer du doigt, a fourni un ensemble de données d'interactions qui mettent en évidence la collaboration en action.

L'équipe de Krishnaswamy a ensuite utilisé ces données pour former son modèle neuronal profond pour le suivi des points communs. Il a déclaré que le modèle est le premier exemple de suivi dynamique en temps réel dans ce type de contexte multipartite, et qu'il pourrait s'intégrer à d'autres systèmes d'IA pour fournir un soutien aux équipes dans de nombreux scénarios.

« Notre modèle se concentre sur les activités d’un groupe qui mettent en évidence une bonne collaboration, comme la voix, les mots ou les comportements qui ont été suivis de manière indépendante et en temps réel », a-t-il déclaré. « Il nous permet également de voir comment les propositions et les déclarations sont formulées dans le groupe à travers ces comportements et comment – ​​ou si – elles sont acceptées comme des faits par les autres. Ce type de recherche permet de développer les connaissances nécessaires sur ces types de systèmes homme-robot et sur la manière dont les gens peuvent interagir avec eux. »

Développer les bases de l’interaction future entre l’homme et le robot

Krishnaswamy a déclaré qu’il est facile pour la plupart des humains d’attribuer des croyances et des intentions pour interpréter ou prédire un comportement, mais c’est un problème avec lequel les systèmes d’IA ont encore du mal. Il a ajouté qu’il ne s’agissait pas uniquement d’un problème de calcul, mais plutôt d’une question de mieux relier les concepts de la psychologie et d’autres disciplines pour améliorer les modèles sous-jacents qui pilotent l’IA.

Krishnaswamy a déclaré que l’article et le sujet plus large font partie d’une recherche conjointe en cours menée par l’AI Institute for Student-AI Teaming. Ce groupe étudie des questions interdépendantes sur l’utilisation de l’IA en classe, notamment la manière dont ces systèmes peuvent aider les enseignants ou contribuer à faire entendre des voix d’horizons divers ou de perspectives uniques.

« L’objectif n’est pas de développer une IA qui donne aux étudiants la bonne réponse, mais plutôt de favoriser une meilleure collaboration et de faciliter la discussion, car cela conduit souvent à de meilleures réponses », a déclaré Krishnaswamy.

Les travaux sur ce document ont été réalisés en partenariat avec des chercheurs de l'université Brandeis par l'intermédiaire de l'institut. Krishnaswamy a déclaré que les deux universités travaillaient également sur un projet connexe intitulé « Friction for Accountability in Conversational Transactions » pour la Defense Advanced Research Projects Agency (DARPA). Ce travail vise à offrir le même type de support d'IA dans des environnements chaotiques tels que les zones de guerre.

Krishnaswamy a cité comme exemple un agent d'IA qui partageait des informations clés qui auraient pu être omises lors d'un échange dans un environnement bruyant, ou qui demandait aux chefs d'équipe de vérifier des détails clés, comme la position de l'ennemi, qui pourraient être basés sur des informations fausses ou incomplètes. Comprendre le « terrain d'entente » en ce qui concerne la cohésion du groupe sera essentiel pour que l'IA puisse opérer dans ce genre de situations, a déclaré Krishnaswamy.

Krishnaswamy a déclaré que son équipe continuerait d’améliorer son modèle au cours des prochains mois. Selon lui, l’une des pistes de recherche possibles pour l’avenir consisterait à mieux comprendre comment certains types de communication peuvent influencer la prise de décision en groupe.

« Ce projet est une belle combinaison de travail basé sur les données et de modélisation formelle avec des applications claires. Notre prochaine étape consiste à prendre en compte les contradictions ou les différents facteurs environnementaux pour voir comment le modèle réagit », a-t-il déclaré.