Peneliti MIT Eksperimen dengan Metode AI yang Mengarah pada Deteksi Stres dan Kelelahan Kerja

Peneliti di Massachusetts Institute of Technology (MIT) telah bekerja pada metode yang ditenagai oleh kecerdasan buatan (AI) untuk mendeteksi ketika stres atau kelelahan kognitif seseorang mempengaruhi kinerja mereka di tempat kerja. Menurut tim peneliti MIT, proyek ini bertujuan untuk memanfaatkan kekuatan tim manusia-mesin, menggunakan mesin untuk membantu manusia bekerja dengan cara yang optimal dan lebih aman.

Michael Pietrucha adalah bagian dari Laboratorium Lincoln di MIT, menjabat sebagai spesialis Sistem Taktis. Pietrucha menunjukkan sejarah panjang kolaborasi antara manusia dan mesin selama bertahun-tahun, tetapi mencatat bahwa bahkan dengan munculnya tim manusia-mesin yang canggih yang didorong oleh AI, manusia biasanya memainkan peran sebagai penasihat bagi mesin. Tanggung jawab manusia biasanya adalah untuk memahami sistem, memantau sistem, dan memastikan bahwa sistem tersebut berfungsi dengan benar. Namun, kerja tim adalah jalan dua arah, dan mesin dapat membantu manusia mencapai tujuan mereka, meningkatkan pekerjaan mereka.

Megan Blackwell adalah mantan wakil kepala penelitian sains biologi dan teknologi yang didanai internal di Laboratorium Lincoln. Blackwell bekerja untuk merancang sistem AI yang dapat menentukan ketika seseorang mengalami stres atau kelelahan yang parah yang merusak kinerja mereka. Blackwell mencatat bahwa kesalahan manusia tidak hanya menyebabkan kesalahan dan kesempatan yang terlewatkan, tetapi juga dapat menyebabkan konsekuensi yang berbahaya dan potensial mengancam jiwa. Semakin awal intervensi dapat dilakukan, semakin baik. Sistem AI yang bersangkutan dapat menyarankan cara untuk mengurangi kelelahan kepada mitra manusianya. Seperti yang dijelaskan Blackwell, menurut berita MIT:

“Hari ini, neuromonitoring menjadi lebih spesifik dan portabel. Kami membayangkan menggunakan teknologi untuk memantau kelelahan atau beban kognitif. Apakah orang ini memperhatikan terlalu banyak? Apakah mereka akan kehabisan bahan bakar, sehingga berbicara? Jika Anda dapat memantau manusia, Anda bisa melakukan intervensi sebelum sesuatu yang buruk terjadi.”

Sistem pengenalan stres dan kelelahan akan beroperasi dengan mengumpulkan data biometrik dan menganalisisnya. Studi sebelumnya telah mencoba menggunakan rekaman video dan audio dari seseorang, dikombinasikan dengan algoritma penglihatan komputer dan pemrosesan bahasa alami, untuk menemukan pola yang dapat menunjukkan keadaan neurobehavioral dan fisiologis seseorang. Pekerjaan sebelumnya menggunakan data biometrik untuk menentukan keadaan emosional orang telah melihat beberapa kesuksesan mendeteksi tingkat depresi, meskipun ada beberapa kontroversi mengenai seberapa andal algoritma tersebut dan apakah studi-studi tersebut benar-benar dapat direplikasi. Tim di MIT akan menggunakan data yang dikumpulkan tidak hanya dari rekaman video dan audio, tetapi juga dari berbagai sensor biometrik yang mengumpulkan data mengenai EEG dan denyut jantung, dengan tujuan membangun model yang akurat dan dapat diandalkan.

Langkah pertama dalam merancang sistem diagnostik apa pun adalah untuk membangun baseline kinerja normal. Agar hal ini terjadi, sistem AR harus membangun model kognitif dari individu. Menurut tim peneliti, model kognitif dirancang dengan menghormati input fisiologis yang dikumpulkan melalui rekaman dan sensor. Sistem kemudian dapat mulai memantau orang tersebut untuk melihat apakah krate fisiologis mereka berubah seiring waktu, memprediksi deviasi mana yang mungkin berpotensi berbahaya, menyebabkan kesalahan atau cedera.

Jika sistem AI menentukan bahwa kinerja manusia memburuk karena kelelahan atau stres, beberapa intervensi yang berbeda dimungkinkan. Sistem dapat meminta mitra manusia untuk beristirahat atau minum kopi. Namun, jika tim manusia-AI bekerja dalam skenario yang berbahaya, seperti mengemudi forklift, dan manusia kehilangan kesadaran, sistem AI dapat bertindak sebagai pengaman dan menghentikan kendaraan.

Tim peneliti masih berada pada tahap awal proyek, mengumpulkan data yang diperlukan untuk melatih algoritma mereka. Tim berencana untuk menggunakan analis intelijen sebagai kasus uji pertama, membuat analis terlibat dalam simulasi versi pekerjaan sehari-hari mereka.