新的人工智慧框架提高團隊訓練效能
近期，北卡羅來納州立大學的研究人員開發了一個新的人工智慧（AI）框架，該框架在分析和分類個人之間的對話方面優於先前的技術，旨在改進團隊訓練技術。這個新的框架將使訓練技術更好地理解個人之間的協調和工作能力。
新框架的優勢
AI-powered 的團隊協作訓練工具吸引了人們的極大興趣，這些工具可以理解所有團隊的動態並修改它們的訓練程式，從而提高團隊成員之間的協作效果。然而以往的 AI 架構在準確評估團隊成員通訊時的內容方面一直存在問題。
研究人員使用了大型的文字語言資料集上建立了一個稱為“Text-to-Text Transfer Transformer（T5）”的強大深度學習模型，並借此自定義新的 AI 框架。此外研究人員收集了美國軍隊小隊訓練習題的資料，並將這些資料用於 T5 的自定義訓練程式，使其能夠更好地理解團隊成員之間的整體特徵，例如輸入者的角色。相比先前的 AI 技術，這種為團隊通訊量身打造的深度學習模型的新框架擁有更好的效果。
新框架的應用前景
研究人員比較了新的 AI 框架與先前的兩種技術，評估了它們在分析小隊訓練期間 6 名士兵之間的對話方面的表現。這 new 的 AI 框架的兩項功能為 ：分類對話型別和跟蹤隊伍之間訊息流的方向。分類對話型別指的是確保對話中所說內容的各種目的，比如請求訊息、提供訊息或發出命令等等。跟蹤訊息流方向的解釋是團隊成員之間如何分享訊息，比如訊息是傳遞到上面還是從上面下達的等等。
研究人員的實驗結果顯示，新的框架幾乎比先前的 AI 技術高一倍的效能。對 communication analytics 的應用將帶來一個較高的標準，從而提高了 5 AI 的新巨集的表現。該技術未來將被廣泛應用於其他培訓場景中。前往下一步的方案包括：將框架與將音訊資料轉錄爲文字的 AI 模型整合，以評估該技術在實時分析團隊通訊資料時的效果。
結論
透過被經過充分檢驗的證實的 AI 來提高協作效益，對於現今眾多企業組織中的團隊協作至關重要。在開發新框架的過程中，研究人員花費了大量時間和工作完成深度學習模型的開發與訓練。結果新的 AI 框架表現良好，未來將在更多實際幫助企業和軍隊領域更有效率地協同作業上卓有成效。
