LADICA：用于共位团队协作中生成式AI认知辅助的大共享显示接口

研究背景与问题

• 作者发现了哪些问题或挑战？
  Co-located团队协作中存在认知和社交动机方面的挑战，如知识共享困难、互相了解进度的缺乏、以及同步讨论与外部内容的困难。此外，涉及生成式AI的协作工具通常以直接的功能为重点，而忽视了如何优化传统人类实践及复杂的团队认知过程。现有工具容易引发团队成员对AI的过度依赖，可能使协作本质上的人际交流和创造性受到限制。

• 为什么这个问题很重要？
  Co-located协作（如头脑风暴、知识构建和计划）需要频繁的人际交流和实时互动。认知和社交障碍往往削弱团队的有效性，而现有AI在协作环境中的设计常无法平衡人类与AI的作用，未能充分发挥团队协作的优势。

• 研究动机与相关工作
  作者致力于通过生成式AI改善团队协作中的认知支撑，同时保持人类主导性。相关工作包括利用大语言模型（LLMs）优化协作工具（如Miro、Lucidspark）以及提供认知支撑功能（如语义分组、关键词扩展等）。但这些工具较少关注团队动态的认知过程，导致仅表面上的支持无法深刻介入团队核心的认知过程。

解决方案

• 作者提出了哪些方法或解决方案？
  提出了一个名为LADICA (Large Display Interface with Cognitive Assistance) 的AI增强共享显示界面。该系统采用三层结构，为团队的头脑风暴、分组分析和讨论过程提供认知辅助。这三层分别是：

  1. Idea Repository：用于团队协作初始阶段的思想存储和扩展。
  2. Affinity Lens：帮助组织和分析团队共享的思想，从多种视角比较和分组信息。
  3. Discussion Reference：促进基于现有内容的讨论并生成新的见解。

• 该解决方案的创新之处是什么？
  LADICA通过智能同步功能链接团队成员的个人设备和共享显示屏，结合生成式AI提供动态认知支持，以增强团队的meta-和macro-认知过程(如任务结构理解和知识构建)。此外，在确保AI辅助不主导讨论或超越人类协作动态的同时，该系统也注重促进包容性和意见表达的多样性。

• 实施步骤是什么？使用了哪些关键技术？

  1. 三层支持架构：

     • Idea Repository：支持任务分解、基于查询和关系的思想扩展，以及实时讨论信息的关键提取。
     • Affinity Lens：自动生成多视角的分析组、追踪不同的分组演进，并允许用户返回先前的内容快照。
     • Discussion Reference：生成团队讨论提示、揭示思想间的关系，以及从实时讨论中检索相关已有内容。

  2. 技术应用：

     • 利用LLMs（如OpenAI GPT-4 Turbo）生成并优化认知提示，支持跨用户的关系提示和信息分组。
     • 集成实时协作工具（如yjs库），实现个人设备与共享显示的同步编辑。
     • 融合语音识别（如OpenAI Whisper）技术，完成讨论内容的实时转录和关键点提取。

研究成果

• 取得了哪些具体成果？

  • LADICA成功改善了团队协作中的认知和组织挑战，例如帮助成员快速生成和扩展想法，增强团队共享精神模型，以及在讨论期间有效同步外部内容和内存。
  • 在用户研究中，参与者反馈系统在促进团队认知过程（如想法扩展、分组分析和互相讨论）方面十分有效。用户特别认可系统的多样化分析视角和动态协作功能。

• 与现有解决方案相比，它有哪些优势？

  • 相比现有的AI生成协作工具，LADICA更加侧重于辅助而非替代团队人类主导的协作过程。通过三层结构，它不仅提供了基于LLMs的深度认知支持，还确保了协作动态与包容性的平衡，更适应长期的团队交互需求。

• 实验或评估结果是什么？

  • 实验显示14名参与者能够成功利用LADICA进行co-located团队任务，并提供积极的反馈。平均评分表明LADICA在用户感知的易用性、有效性和对协作的支持方面表现出色。
  • 互动日志分析显示用户主要在头脑风暴、信息分组以及讨论阶段使用系统功能。系统促进了团队成员之间的联系和协调。

• 局限性与未来方向

  • 技术限制： 如LLMs生成的建议有时过于泛化或不相关，以及多用户同时使用时产生响应延迟。
  • 研究范围： 所有参与者为大学生，可能会在其他环境中存在不同需求。此外，该研究仅使用了旅行规划和政策讨论两种任务类型。
  • 改进和扩展： 未来计划提升LADICA的动态生成能力，进行跨领域场景测试，并扩展多模态交互功能（如面部表达和身体动作识别）。

综上所述，LADICA通过生成式AI显著增强了共享显示界面在团队协作中的认知支持能力，并为探索更复杂的协作场景提供了基础。