MIT-forskere eksperimenterer med AI-drevne metoder til at registrere arbejdsskstress og træthed

Forskere på Massachusetts Institute of Technology (MIT) har arbejdet på AI-baserede metoder til at registrere, når en persons stress eller kognitive træthed negativt påvirker deres arbejdsgennemførelse. Ifølge MIT-forskningsholdet har projektet til formål at udnytte kraften i menneske-maskin-samarbejde, ved at bruge maskiner til at hjælpe mennesker med at arbejde på en optimal og sikrere måde.

Michael Pietrucha er en del af Lincoln Laboratory på MIT, hvor han fungerer som specialist i taktiske systemer. Pietrucha pegede på den lange historie af samarbejde mellem mennesker og maskiner gennem årene, men bemærkede, at selv med opkomsten af avancerede menneske-maskin-samarbejde drevet af AI, spiller mennesket typisk rollen som rådgiver for maskinen. Menneskets ansvar er typisk at forstå systemet, overvåge systemet og sikre, at det fungerer korrekt. Men samarbejde er en tovejs gade, og maskinen kan hjælpe mennesker med at opnå deres mål, ved at supplere deres arbejde.

Megan Blackwell var tidligere vicechef for intern finansieret biologisk videnskab og teknologi-forskning på Lincoln Laboratory. Blackwell arbejdede på at designe AI-systemer, der kan bestemme, når nogen er under stor stress eller træthed, der forringrer deres præstation. Blackwell bemærker, at menneskelig fejl ikke kun fører til fejl og missede muligheder, men også kan føre til katastrofale, potentielt livstruende konsekvenser. Jo tidligere en intervention kan finde sted, jo bedre. AI-systemet i spørgsmålet kunne foreslå måder at lette træthed for sin menneskelige partner. Som Blackwell forklarede, ifølge MIT-nyheder:

“I dag bliver neuromonitoring mere specifik og bærbar. Vi forestiller os at bruge teknologi til at overvåge træthed eller kognitiv overbelastning. Er denne person opmærksom på for meget? Vil de løbe tør for benzin, så at sige? Hvis du kan overvåge mennesket, kunne du intervenere, før noget slemt sker.”

Stress- og træthedsregistreringssystemet ville fungere ved at indsamle biometriske data og analysere dem. Tidligere studier har forsøgt at bruge video- og lydoptagelser af en person, kombineret med computer vision og natur-sprogbehandlingsalgoritmer, til at finde mønstre, der kunne indikere en persons neurobehaviorale og fysiologiske tilstande. Tidligere arbejde med brug af biometriske data til at bestemme menneskers emotionelle tilstande har set nogen succes i at registrere depression, selvom der er nogen kontroversom, hvor pålidelige disse algoritmer er, og om studierne virkelig er replikerbare. Holdet på MIT vil bruge data indsamlet ikke kun fra video- og lydoptagelser, men også en række biometriske sensorer, der indsamler data om EEG og hjertefrekvens, med det formål at opbygge nøjagtige og pålidelige modeller.

Det første skridt i design af ethvert diagnostisk system er at etablere en baseline for normal præstation. For at dette kan ske, skal AR-systemet opbygge en kognitiv model af en enkelt person. Ifølge forskningsholdet er de kognitive modeller designet med hensyn til de fysiologiske input, der indsamles gennem optagelserne og sensorerne. Systemet kan derefter begynde at overvåge personen for at se, om deres fysiologiske kurver ændrer sig over tid, og forudsige, hvilke afvigelser der potentielt kan være skadelige og føre til fejl eller skader.

Hvis AI-systemet bestemmer, at en menneskers præstation er forringret på grund af træthed eller stress, er der flere mulige interventioner. Systemet kunne blot bede sin menneskelige partner om at tage en pause eller drikke noget kaffe. Men hvis menneske-AI-samarbejdet opererer i en farlig situation, såsom kørsel af en gaffeltruck, og mennesket mister bevidstheden, kunne AI-systemet fungere som en sikkerhedsventil og bringe køretøjet til standsning.

Forskningsholdet er stadig i de tidlige faser af projektet, hvor de indsamler de nødvendige data til at træne deres algoritmer. Holdet planlægger at bruge efterretninganalytikere som deres første testcase, hvor analytikerne skal engagere sig i en simuleret version af deres daglige arbejde.