Nell’ambito della ricerca, sempre più spesso ci troviamo di fronte a team composti da individui di specie diverse, combinando esseri umani e intelligenze artificiali. Di questo passo, le pari opportunità non si baseranno più sul concetto di genere, ma mireranno piuttosto a garantire le quote “umane”.
I ricercatori nel campo delle Scienze Psicologiche e Comportamentali presso l’Università di Zhejiang giocano un ruolo cruciale, facendo da ponte tra l’ingegno umano e il potenziale delle Intelligenze Artificiali all’interno dei team di lavoro misti uomo/macchina. Questa sinergia, nota come Collaborazione Umano-IA (detta Human Autonomous Teaming – HAT)), costituisce il fulcro di una rivoluzione scientifica e tecnologica che si estende attraverso una vasta gamma di settori.
L’incredibile evoluzione nell’intelligenza artificiale (IA) sta rivoluzionando profondamente il nostro approccio al lavoro e all’interazione con le macchine. Da semplici strumenti di automazione, le IA stanno emergendo come entità autonome con sorprendenti capacità umane, tra cui la tanto dibattuta “Consapevolezza della Situazione” (da ora in poi denominata semplicemente SA, acronimo di Situational Awareness).
Prima di addentrarci nei dettagli, è essenziale definire la SA come la nostra capacità di percepire l’ambiente, comprendere gli eventi e il loro significato, nonché prevedere il loro sviluppo basato su variabili come il tempo o eventi predeterminati.
Le intelligenze artificiali, basate sull’apprendimento automatico, stanno raffinando la loro capacità di adattamento attraverso l’acquisizione di esperienza e dati reali. Questo processo di “apprendimento dalle esperienze” sta aprendo la strada a IA sempre più competenti nell’affrontare una vasta gamma di contesti reali. Tuttavia, è fondamentale sottolineare che l’efficacia di questo adattamento è strettamente legata alla quantità e alla qualità dei dati di addestramento disponibili e alla complessità delle situazioni da affrontare.
SA,la consapevolezza della situazione appunto, (Endsley, 1988), rappresenta uno dei principali fattori cognitivi che contribuiscono a un’interazione sicura ed efficace tra esseri umani e macchine. Mentre l’evoluzione verso l’interazione umana con sistemi IA prosegue, le macchine stanno avanzando dall’automazione semplice a uno stato di autonomia, manifestando comportamenti inaspettati e capacità cognitive/intelligenti simili a quelle umane.
Quando l’IA diventa un compagno di squadra per gli esseri umani, il team misto uomo-IA può raggiungere potenzialmente prestazioni superiori rispetto alle squadre composte solo da esseri umani. Tuttavia, è importante notare che sono stati evidenziati non pochi problemi sulla SA all’interno di questi team umano-IA. Questa distinzione è principalmente legata alla capacità di lavorare in squadra. Pertanto, i ricercatori di scienze psicologiche e comportamentali dell’Università di Zhejiang, tra cui Qi Gao, Wei Xu, Mowei Shen e Zaifeng Gao, hanno condotto un’indagine sulla dinamica del teaming “misto” tra esseri umani e IA (HAT).
L’IA sta aprendo una nuova era di interazione tra esseri umani e macchine, caratterizzata da una transizione dall’interazione umano-automazione all’interazione umano-autonomia. La prima è caratterizzata da un rapporto subordinato, mentre la seconda somiglia a un rapporto tra compagni di squadra. L’automazione adempie al suo compito entro i limiti del programma, indipendentemente dalla volatilità del contesto esterno, mentre l’autonomia è in grado di analizzare le informazioni e prendere decisioni adattive alla situazione attraverso l’apprendimento e la generalizzazione (Lyons et al., 2021; Vagia et al., 2016; Xu et al., 2022).
La caratteristica autonoma dell’IA consente di lavorare insieme agli esseri umani, come una squadra, attraverso la Coordinazione, la Cooperazione e la Collaborazione (3Cs, J. Lee et al., 2023). Una “squadra” è definita come “due o più individui che interagiscono in modo adattivo e dinamico attraverso ruoli specificati mentre lavorano per obiettivi condivisi e valorizzati” (Salas et al., 2017). Diversamente dai “gruppi”, in cui i membri sono in gran parte indipendenti e non necessariamente identificano costrutti condivisi, le “squadre” mettono in evidenza l’interconnessione dei membri. Per ottenere un controllo efficace della squadra, i membri devono pianificare i tempi delle attività e delle risorse (coordinazione), utilizzare la negoziazione per risolvere i conflitti (cooperazione) e prendere molte decisioni congiunte nel corso del tempo, sviluppando regole, norme e accordi condivisi (collaborazione).
In una squadra, coordinazione, cooperazione e collaborazione risultano efficaci se sostenute dalla cognizione di squadra. I membri della squadra devono armonizzare componenti cognitive e comportamentali per raggiungere il loro obiettivo, parallelamente alla miriade di impulsi neuronali coordinati che devono convergere per produrre una performance sincronizzata (Morrow & Fiore, 2013). Tra tutti i componenti cognitivi, la SA è uno dei fattori più critici da affrontare nell’ambito della Collaborazione Umano-IA (HAT) (Chen & Barnes, 2014; Endsley, 2017), in grado di integrare la maggior parte dei componenti cognitivi rilevanti attraverso la sua modellazione di processo, come il modello mentale condiviso e l’obiettivo condiviso (Lyons et al., 2021).
Nonostante alcune somiglianze tra il processo di SA dell’IA e quello degli esseri umani, le differenze nell’adattabilità, nella natura programmatica e nella mancanza di interazione sociale dell’IA possono rappresentare sfide ardue per la SA di squadra nell’ambito della Collaborazione Umano-IA (HAT). Pertanto, il team guidato da Zaifeng Gao per affrontare queste sfide e sfruttare appieno il potenziale della collaborazione uomo/macchina ha sviluppato un nuovo framework teorico: chiamato ATSA (HAT+SA dove l’H di Human è spartita sarà un caso?).
ATSA è l’acronimo di “Agent Teaming Situation Awareness”, un’evoluzione epocale nel campo della sinergia Uomo/Macchina, poiché fonde il comportamento umano e IA in un’interazione dinamica e bidirezionale. Questo modello si basa su modelli di SA sia a livello individuale che di squadra, elaborando i meccanismi cognitivi necessari per modellare in modo efficace la collaborazione UOMO/MACCHINA. Un aspetto chiave di ATSA è l’adozione di cicli percettivi simili, sia per l’individuo (sia umano che IA) che per l’intera squadra, adattati alle specifiche esigenze del contesto HAT.
ATSA mette in evidenza l’importanza di un teaming coeso ed efficace attraverso le componenti chiave come la comprensione del team, il controllo del team e la conoscenza del mondo circostante. Questi elementi sono essenziali per il successo della collaborazione tra esseri umani e IA in un’era in cui l’IA sta diventando sempre più autonoma e integrata nella nostra vita quotidiana.
Infine, il testo suggerisce diverse direzioni future di ricerca per sfruttare appieno il potenziale di ATSA. Queste includono studi empirici per valutare l’efficacia di ATSA in situazioni reali, l’analisi dell’impatto di diversi livelli di comprensione e controllo del team sulle proprie prestazioni e lo sviluppo di nuovi parametri di valutazione per la SA del team in contesti diversi.
In conclusione, il modello ATSA rappresenta un passo fondamentale nell’era dell’IA avanzata e della collaborazione tra esseri umani e IA. Questo framework offre una solida base per una comprensione approfondita e una gestione efficace della SA, contribuendo a creare collaborazioni più coese ed efficienti tra esseri umani e IA in una varietà di settori, aprendo la porta a un futuro affascinante e ricco di opportunità.
