This post is also available in: enEnglish (אנגלית)

הציוות היעיל בין בני אדם למערכות אוטונומיות דורש שהגורמים האנושיים יקבלו תובנות מדויקות ובזמן אמת על הכישורים, הניסיון והאמינות של שותפיהם הרובוטיים בסביבות דינמיות. מערכות אוטונומיות אינן יכולות לספק פידבק בזמן אמת כשהתנאים משתנים, למשל מזג האוויר או תנאי התאורה. חוסר המודעות של המכונות ליכולות של עצמן וחוסר יכולתן לתקשר זאת לשותפים האנושיים שלהם מצמצמים את האמון ופוגעים ביעילות הצוות.
צבא ארה"ב השיק תוכנית חדשה, שמיועדת לפתח מערכות מבוססות למידת מכונה, שמעריכות באופן מתמיד את הביצועים של עצמן במצבים דינמיים, בהם הזמן מהווה גורם קריטי, ומתקשרים מידע זה לחברי הצוות האנושיים בפורמט קל להבנה.
תוכנית CAML (למידת מכונה לצורך מודעות ליכולות) הושקה על ידי דארפ"א, הסוכנות האמריקאית למחקרים מתקדמים בתחום ההגנה.
"אם המכונה יכולה לומר – אני פועלת טוב בתחום זה בתנאים האלה, אבל אין לי הרבה ניסיון בתחום אחר בתנאים אחרים – הדבר ישפר את עבודת הצוות בין האדם למכונה", מסבירה ג'ינגינג זו, מנהלת תוכנית בדארפ"א. "כך השותף יוכל לבצע בחירות מודעות יותר".
דינמיקה זו תתמוך באפקט מכפיל כוח, מפני שהגורם האנושי בצוות ידע מהן יכולות השותף הרובוטי בכל זמן וישתמש בהן ביעילות ובאפקטיביות, כך מדווח mil-embedded.com.
לעומת זאת, זו מדגישה את האתגר הגלום במערכות אוטונומיות מתקדמות, שאינן יכולות להעריך או לתקשר את היכולות שלהן במצבים משתנים במהירות.
באמצעות דוגמא פשוטה מתחום טכנולוגיית המכונית האוטונומית, זו מתארת כיצד טכנולוגיית CAML תוכל להועיל לנוסע שמנסה להחליט איזה משתי מכוניות ללא נהג תתאים יותר לנהיגה בלילה גשום. הרכב הראשון עשוי לתקשר שהוא יודע להבחין בין אדם או חפץ בלילה גשום בדיוק של 90% וכי ביצע משימה כזו יותר מ-1000 פעמים.
הרכב השני יוכל לתקשר שהוא מסוגל להבחין בין אדם לחפץ בלילה גשום בדיוק של 99%, אך ביצע את המשימה פחות מ-100 פעמים. בעזרת המידע הזה, הנוסע יוכל לקבל החלטה מודעת לגבי הרכב בו יבחר.