دستیار هوش مصنوعی برای ارتقای همکاری تیمی

سال 2018، «یوئنینگ ژانگ»، دانشجوی دکترای MIT، در یک سفر تحقیقاتی به هاوایی با چالشی بزرگ روبرو شد؛ حفظ نظم و هماهنگی در تیم‌ها در محیط‌های استرس‌زا در جریان نقشه‌برداری از زمین زیر آب، ژانگ متوجه شد که عدم هم‌سویی دقیق بین اعضای تیم می‌تواند منجر به سردرگمی و ناکامی در دستیابی به اهداف مشترک شود. این تجربه او را به فکر ایجاد یک دستیار هوش مصنوعی انداخت که بتواند به بهبود عملکرد تیم‌ها کمک کند.

هوش مصنوعی به کمک می‌آید

شش سال بعد، به عنوان دستیار تحقیقاتی در آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL)، ژانگ موفق به توسعه سیستمی شد تا به عنوان قطعه گمشده در همکاری تیمی عمل می‌کند، یک دستیار هوش مصنوعی که با نظارت بر تیم‌های انسانی و رباتیک، نقش‌ها را همسو کرده و در صورت نیاز، مداخله می‌کند تا اثربخشی کار گروهی را در حوزه‌هایی مانند ماموریت‌های جستجو و نجات، روش‌های پزشکی و بازی‌های ویدیویی افزایش دهد.

این سیستم که در مقاله‌ای در کنفرانس بین‌المللی رباتیک و اتوماسیون (ICRA) معرفی شده و در IEEE Xplore منتشر شده است، از یک مدل نظریه ذهن برای عوامل هوش مصنوعی بهره می‌برد. این مدل نشان‌دهنده نحوه تفکر انسان‌ها و درک آن‌ها از برنامه‌های احتمالی اقدام هم‌تیمی‌ها هنگام همکاری در یک کار است. هماهنگ‌کننده تیم هوش مصنوعی با مشاهده اقدامات عوامل، می‌تواند برنامه‌های آن‌ها و درک آن‌ها از یکدیگر را از مجموعه‌ای از باورهای پیشین استنباط کرده و در صورت بروز ناسازگاری، با همسو کردن این باورها و ارائه دستورالعمل‌های لازم مداخله کند.

برای مثال، در یک تیم امداد، تصمیم‌گیری سریع و دقیق بر اساس نقش‌ها و پیشرفت همکاران اهمیت بسیاری دارد. این نوع برنامه‌ریزی پیچیده توسط نرم‌افزار CSAIL بهبود می‌یابد، به‌طوری که می‌تواند پیام‌هایی را درباره وظایف هر عامل و مناطق پوشش‌داده‌شده ارسال کند تا از تلاش‌های تکراری جلوگیری شود. در این مواقع، دستیار هوش مصنوعی می‌تواند با اطلاع‌رسانی به عوامل درباره فعالیت‌های همکاران، بهبود عملکرد تیم را تضمین کند.

ژانگ که اکنون یک دانشمند تحقیقاتی در Mobi Systems است، توضیح می‌دهد: «کار ما بر این ایده استوار است که شما به آنچه شخص دیگری باور دارد باور دارید. در یک تیم، ممکن است از خود بپرسید: آن شخص دقیقاً چه کاری انجام می‌دهد؟ من چه کاری خواهم کرد؟ آیا او می‌داند که من چه می‌کنم؟ ما تلاش کردیم تا این فرایند ذهنی را مدل‌سازی کنیم و به دستیار هوش مصنوعی اجازه دهیم تا درک اعضای تیم از وظایفشان را بهبود بخشد.»

حتی با وجود برنامه‌های پیچیده، هر دو عامل انسانی و رباتیک ممکن است دچار سردرگمی شوند. این وضعیت به‌ویژه در مأموریت‌های جستجو و نجات که زمان محدود و منطقه وسیعی برای جستجو وجود دارد، بحرانی‌تر است. دستیار هوش مصنوعی جدید می‌تواند به تیم‌ها کمک کند تا با اطلاع‌رسانی مداوم، به‌طور کارآمدتری در وظایف خود پیش روند.

این نوع هماهنگی می‌تواند در سناریوهای پرخطر مانند جراحی‌ها نیز مؤثر باشد. در این شرایط، تیم پزشکی باید وظایف خود را با دقت اجرا کند تا از بروز اشتباهات جلوگیری شود. دستیار هوش مصنوعی می‌تواند با نظارت بر مراحل مختلف عمل جراحی و ارائه راهنمایی‌های لازم، از سردرگمی‌ها جلوگیری کرده و همکاری تیمی را بهبود بخشد.

حتی در بازی‌های ویدئویی مانند Valorant که بازیکنان نیاز به هماهنگی دقیق دارند، دستیار هوش مصنوعی می‌تواند به عنوان یک راهنما عمل کرده و بازیکنان را در مورد وظایفشان راهنمایی کند تا عملکرد تیم بهینه شود.

قبل از اینکه ژانگ رهبری توسعه این مدل را بر عهده بگیرد، سیستم EPike توسعه یافت که به عنوان یک عضو تیم عمل می‌کرد. این سیستم در یک محیط شبیه‌سازی 3 بعدی به کار گرفته شد و با کنترل یک عامل رباتیک، به هماهنگی وظایف تیم کمک می‌کرد. اگرچه این الگوریتم‌ها بسیار هوشمند بودند، اما همچنان در برخی موارد با مشکلاتی مانند سوءتفاهم‌های میان عوامل روبه‌رو می‌شدند. هماهنگ‌کننده جدید هوش مصنوعی توانست با اصلاح باورهای عوامل، از این مشکلات جلوگیری کرده و اطمینان حاصل کند که وظایف به درستی انجام می‌شود.

این پروژه توسط تیم MIT به رهبری پروفسور برایان سی. ویلیامز از CSAIL و با همکاری پژوهشگران برجسته‌ای از جمله پاول رابرتسون، تیانمین شو، و سانگکئون هونگ به انجام رسید و تا حدی توسط آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی ایالات متحده (DARPA) پشتیبانی شد. آنها قصد دارند این سیستم را با استفاده از تکنیک‌های یادگیری ماشین بهبود داده و آن را برای استفاده در وظایف واقعی زندگی بهینه‌سازی کنند.

منبع

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.