MIT-forskere eksperimenterer med AI-drevne metoder for å påvise arbeidsstress og utmattelse

Forskere ved Massachusetts Institute of Technology (MIT) har arbeidet med AI-drevne metoder for å påvise når en persons stress eller kognitive utmattelse negativt påvirker deres arbeidsytelse. Ifølge MIT-forskingsteamets prosjektet er målet å utnytte kraften i menneske-maskin-samarbeid, ved å bruke maskiner til å hjelpe mennesker å arbeide på en optimal og tryggere måte.

Michael Pietrucha er en del av Lincoln Laboratory ved MIT, hvor han jobber som Tactical Systems-spesialist. Pietrucha pekte på den lange historien av samarbeid mellom mennesker og maskiner gjennom årene, men noterte at selv med fremveksten av sofistikerte menneske-maskin-samarbeid drevet av AI, spiller mennesket vanligvis rollen som rådgiver for maskinen. Menneskets ansvar er vanligvis å forstå systemet, overvåke systemet og sikre at det fungerer korrekt. Imidlertid er samarbeid en toveisk gate, og maskinen kan hjelpe mennesker å oppnå deres mål, og supplere deres arbeid.

Megan Blackwell var tidligere nestleder for internfinansiert biologisk vitenskap og teknologisk forskning ved Lincoln Laboratory. Blackwell arbeidet med å designe AI-systemer som kan bestemme når noen er under stor stress/utmattelse som forringrer deres arbeidsytelse. Blackwell noterer at menneskelig feil ikke bare kan føre til feil og savnede muligheter, men også kan føre til katastrofale, potensielt livstruende konsekvenser. Jo tidligere en intervensjon kan finne sted, jo bedre. AI-systemet i question kan foreslå måter å lettelse for utmattelse til sin menneskelige partner. Som Blackwell forklarte, ifølge MIT-nyheter:

“I dag blir neuromonitoring mer spesifikk og bærbart. Vi forestiller oss å bruke teknologi til å overvåke for utmattelse eller kognitiv overbelastning. Er denne personen opptatt av for mye? Vil de løpe tom for bensin, så å si? Hvis du kan overvåke mennesket, kunne du intervenere før noe dårlig skjer.”

Stress- og utmattelsesgjenkjenningssystemet vil fungere ved å samle inn biometriske data og analysere dem. Tidligere studier har forsøkt å bruke video- og lydopptak av en person, kombinert med datavisjon og naturlig språkbehandling-algoritmer, for å finne mønster som kunne indikere en persons neuroatferdsmessige og fysiologiske tilstander. Tidligere arbeid med å bruke biometriske data for å bestemme menneskers emosjonelle tilstander har sett noen suksess i å påvise nivåer av depresjon, selv om det finnes noen kontroversomkring hvor pålitelige disse algoritmene er og om studiene virkelig er replikerbare. Teamet ved MIT vil bruke data samlet inn ikke bare fra video- og lydopptak, men også en rekke biometriske sensorer som samler inn data om EEG og hjertefrekvens, med mål om å bygge nøyaktige og pålitelige modeller.

Det første steget i å designe et diagnostisk system er å etablere en basis for normal ytelse. For at dette skal skje, må AR-systemet bygge en kognitiv modell av en enkelt person. Ifølge forskningsteamet er kognitive modeller designet med hensyn til de fysiologiske inndataene samlet inn gjennom opptakene og sensorer. Systemet kan deretter begynne å overvåke personen for å se om deres fysiologiske kurver endrer seg over tid, og forutsi hvilke avvik som potensielt kan være skadelige og føre til feil eller skader.

Hvis AI-systemet bestemmer at en menneskers arbeidsytelse er forringret på grunn av utmattelse eller stress, er flere ulike intervensjoner mulige. Systemet kunne enkelt be sin menneskelige partner om å ta en pause eller drikke en kopp kaffe. Imidlertid, hvis menneske-AI-teamet opererer i en farlig scenario, som å kjøre en gaffeltruck, og mennesket mister bevisstheten, kunne AI-systemet fungere som en sikkerhetsmekanisme og bringe kjøretøyet til stopp.

Forskingsteamet er fortsatt i de tidlige fasene av prosjektet, og samler inn de nødvendige dataene for å trene deres algoritmer. Teamet planlegger å bruke etterretninganalytikere som deres første testtilfelle, og la analytikerne engasjere seg i en simuleringsversjon av deres daglige jobber.