Badacze z MIT eksperymentują z metodami opartymi na AI do wykrywania stresu i zmęczenia w pracy

Badacze z Massachusetts Institute of Technology (MIT) pracują nad metodami opartymi na sztucznej inteligencji (AI) w celu wykrycia, kiedy stres lub zmęczenie poznawcze osoby negatywnie wpływa na jej wydajność w pracy. Zgodnie z zespołem badawczym MIT, projekt ma na celu wykorzystanie potencjału zespołów ludzi i maszyn, używając maszyn do pomocy ludziom w pracy w optymalny, bezpieczniejszy sposób.

Michael Pietrucha jest częścią Laboratorium Lincoln w MIT, pełniąc funkcję specjalisty ds. systemów taktycznych. Pietrucha wskazał na długą historię współpracy między ludźmi i maszynami na przestrzeni lat, ale zauważył, że nawet przy pojawieniu się zaawansowanych zespołów ludzi i maszyn napędzanych przez AI, człowiek zwykle pełni rolę doradcy maszyny. Odpowiedzialność człowieka polega zwykle na zrozumieniu systemu, monitorowaniu systemu i zapewnieniu, że działa on poprawnie. Jednak współpraca to dwukierunkowa ulica, a maszyna może pomóc ludziom osiągnąć ich cel, uzupełniając ich pracę.

Megan Blackwell była byłym zastępcą kierownika badań naukowych i technologicznych finansowanych wewnętrznie w Laboratorium Lincoln. Blackwell pracowała nad zaprojektowaniem systemów AI, które mogą określić, kiedy ktoś jest pod dużym stresem lub zmęczeniem, co pogarsza ich wydajność. Blackwell zauważa, że błędy ludzkie nie tylko prowadzą do błędów i przegapionych możliwości, ale mogą również prowadzić do katastrofalnych, potencjalnie zagrażających życiu konsekwencji. Im wcześniej można wprowadzić interwencję, tym lepiej. System AI może sugerować sposoby na złagodzenie zmęczenia swojemu partnerowi ludzkiemu. Jak wyjaśniła Blackwell, według MIT news:

“Dziś monitoring neuropsychologiczny staje się bardziej szczegółowy i przenośny. Wyobrażamy sobie korzystanie z technologii do monitorowania zmęczenia lub przeciążenia poznawczego. Czy osoba ta zwraca uwagę na zbyt wiele rzeczy? Czy straci impet, można by powiedzieć? Jeśli możemy monitorować człowieka, możemy interweniować, zanim coś złego się wydarzy.”

System rozpoznawania stresu i zmęczenia działałby poprzez gromadzenie danych biometrycznych i analizę ich. Wcześniejsze badania próbowały wykorzystać nagrania wideo i audio osoby, w połączeniu z algorytmami komputerowego widzenia i przetwarzania języka naturalnego, aby znaleźć wzorce, które mogą wskazywać na stan neurobehawioralny i fizjologiczny osoby. Poprzednie prace nad wykorzystaniem danych biometrycznych do określenia stanów emocjonalnych ludzi odniosły pewien sukces wykrywania poziomów depresji, chociaż istnieje pewna kontrowersjaco do tego, jak niezawodne są te algorytmy i czy badania są prawdziwie powtarzalne. Zespół w MIT będzie wykorzystywał dane zebrane nie tylko z nagrań wideo i audio, ale również z różnych czujników biometrycznych, które gromadzą dane dotyczące EEG i częstotliwości serca, aby zbudować dokładne i niezawodne modele.

Pierwszym krokiem w projektowaniu jakiegokolwiek systemu diagnostycznego jest ustalenie podstawy normalnej wydajności. Aby to nastąpiło, system AR musi zbudować model poznawczy jednostki. Zgodnie z zespołem badawczym, modele poznawcze są projektowane z uwzględnieniem danych fizjologicznych zebranych za pomocą nagrań i czujników. System może następnie rozpocząć monitorowanie osoby, aby sprawdzić, czy jej wskaźniki fizjologiczne zmieniają się w czasie, przewidując, które odchylenia mogą być szkodliwe, powodując błędy lub urazy.

Jeśli system AI stwierdzi, że wydajność człowieka pogarsza się z powodu zmęczenia lub stresu, możliwe są różne interwencje. System może po prostu nakazać swojemu partnerowi ludzkiemu przerwę lub picie kawy. Jednak jeśli zespół ludzko-maszynowy działa w niebezpiecznej sytuacji, takiej jak prowadzenie wózka widłowego, a człowiek traci przytomność, system AI może działać jako zabezpieczenie i zatrzymać pojazd.

Zespół badawczy jest jeszcze w początkowych stadiach projektu, gromadząc niezbędne dane do szkolenia swoich algorytmów. Zespół planuje wykorzystać analityków wywiadowczych jako pierwszy przypadek testowy, mając analityków zaangażowanych w symulowaną wersję ich codziennych zadań.