Aug, 2023

提高人工智能团队培训现状的最新成果：技术报告1 -- 专业知识调查结果

HTML
PDF
TL;DR为了研究人工智能与人类合作团队，Sonalysts开展了一项内部计划，目的是开发一种能够促进人工智能团队研究的合成任务环境。他们选择了联合全领域指挥与控制作为焦点进行该环境的开发，并与具有指挥和控制经验的专家展开初步接触，以了解JADC2所涉及的团队挑战。
发现论文，激发创造
  • 利用模仿学习实现自动任务时间干预以提升团队合作

    本文介绍了一种自动干预的方法来改善团队协调，首先使用BTIL多智能体模仿学习算法从过去的任务执行数据中学习团队行为的生成模型，然后结合团队的任务目标和生成模型来生成执行时间干预，实验结果表明，自动化干预可以成功提高团队绩效并揭示了改善团队合作的自主代理设计的启示。

    Mar, 2023

  • 开发有效的人工智能与人类团队合作：人-机联合认知系统的视角

    人工智能与人类团队合作是新的设计范式，需要遵循以人为中心的人工智能(HCAI)方法。本文提出了人工智能与人类联合认知系统(HAIJCS)的概念框架，用于代表并实现人工智能与人类团队合作。

    Jul, 2023

  • 改进人工智能团队培训的最新技术报告#2--研究人员知识引导调查结果

    为了支持军事服务分支中的人工智能与人类团队合作，研究报告记录了一项正在增长的普遍愿望，并为此开展了一项调查，找出了合适的开源工具、自动转录和编码工具，以及强大的数据捕获和导出能力。

    Aug, 2023

  • 提高训练人工智能团队的最新技术进展：技术报告＃3 -- 测试基地选择分析

    Sonalysts is investigating Human-Artificial Intelligence teams, specifically focusing on the development of a Synthetic Task Environment and evaluating existing Human-AI teaming testbeds to develop testbed evaluation criteria for their research program.

    Aug, 2023

  • 人机协同作战平台下的无人机实验平台

    全自动化在关键系统中往往难以实现或不可取，在高风险决策中人工智能团队可以获得更好的结果，为此需要轻量级实验平台以促进人机交互并且适用于此类团队合作的算法进行研究、开发、评估和验证。通过Cogment人机团队合作实验平台，我们希望在关键系统和防御环境中促进进一步的人机团队合作研究。

    Dec, 2023

  • 现实世界复杂环境中的人工智能协作与强化学习

    在复杂的模拟环境中，研究表明人工智能与人类的合作胜过仅有人类或仅有人工智能代理的情况，并开发出了一种用户界面，使人类有效地协助人工智能代理。

    Dec, 2023

  • 大型预训练模型的人工智能协同研究调查

    人工智能在快速发展，人工智能系统与人类智能的协作，即人工智能协作(HAI)团队合作，已成为推动问题解决和决策过程进展的基石。本文调查了大型预训练模型与HAI的重要整合，并强调这些模型如何在协作智能方面超越传统方法。研究探讨了LPtM在增强人类能力方面的协同潜力，并讨论了此合作在AI模型改进、有效团队合作、伦理考虑以及在各个领域的广泛应用中的应用影响。通过这次探索，研究揭示了LPtM增强的HAI团队合作的变革性影响，为未来研究、政策制定和战略实施提供了洞察，旨在充分发挥这种合作的潜力，造福研究和社会。

    Mar, 2024

  • 人机协同的可解释界面: 一项综述

    本文从以人为中心的角度对人工智能可解释性界面在人工智能增强的人机协作系统中的透明性挑战进行了深入研究，并提出了一个用于评估该界面的新框架。通过在可解释人工智能、人机协作以及人机交互等领域进行广泛调查，该研究提供了多个新见解，探讨了将可解释人工智能整合到人工智能增强的人机协作系统中的未来方向。

    May, 2024

  • 生成式人工智能提升团队绩效并减少对传统团队的需求

    近期生成人工智能在协作工作流程中的应用取得了重大进展，对团队绩效的影响仍未被充分探索。本研究通过一项随机对照实验，在122支团队的435名参与者中研究了生成人工智能在增强或取代传统团队动态中的作用。研究结果表明，在各种绩效指标上，增加生成人工智能的团队显著优于仅依赖人类协作的团队。有趣的是，采用多个人工智能的团队并未表现出进一步的增益，暗示了集成人工智能的效果递减。我们的分析表明，由少数团队成员进行集中使用的人工智能比分布式参与更为有效。此外，个体-人工智能配对的表现与传统团队相当，说明在某些情境下，传统团队结构的需求减少了。然而，尽管有这种能力，个体-人工智能配对的表现仍不及人工智能辅助团队的水平。这些发现强调，生成人工智能可以取代一些传统团队功能，但更全面地将人工智能整合到团队结构中可以提供更优越的效益，提升整体效能而不仅仅依赖个人努力。

    May, 2024

  • CREW：促进人机协作研究

    本研究解决了人机协作研究工具不足的问题，提出了CREW平台，旨在促进多学科合作并强调人类参与。该平台支持认知研究、行为分析及实时强化学习算法的基准测试，显著提高了人机协作研究的效率和效果。

    Jul, 2024