NTT DoCoMo, Inc.、庆应义塾大学和东京大学的联合研究小组开发了一种技术，可以通过如何使用智能手机来估计所有者的集中度。
Go / NoGo 任务被称为客观测量一个人注意力的方法。 Go/NoGo任务是判断Go（如对指定字母P尽快做出反应）和NoGo（如对指定字母X抑制反应）两种反应判断的任务，判断速度和准确度，即适合量化浓度。
然而，在工作环境中，定期执行围棋/非围棋任务来评估专注度是不现实的。因此，在本研究中，我们结合日常使用智能手机的大数据和Go/NoGo任务的结果数据，构建了一个模型，从智能手机的使用情况估计车主的集中度。
智能手机数据是指加速度、位置信息等传感器数据，以及屏幕开/关等终端使用情况。研究组将此量化为约250种行为特征（身体动作、动作模式、应用使用频率等），让AI学习与同一人的Go/NoGo任务数据的关系。这使得根据从智能手机获取的行为特征来估计专注度（Go / NoGo 任务的成功率）成为可能。
在对该技术的有效性评估分析中，确认Go/NoGo任务的成功率可以估计为34人平均约74%的准确率。由于您可以像往常一样使用智能手机来估计您的注意力，例如，卡车或公共汽车司机可以从智能手机的使用到前一天估计当天的浓度并适当休息。可以考虑。这样，可以说，在企业推进工作方式改革的同时，这项技术有望用于改变每个工人的意识并重新审视低效的工作条件。
