Naukowcy z MIT Eksperymentują z Metodami Wykrywania Stresu i Zmęczenia za Pomocą Sztucznej Inteligencji

Naukowcy z Massachusetts Institute of Technology (MIT) pracują nad metodami opartymi na sztucznej inteligencji, które pozwalają wykryć, kiedy stres lub zmęczenie człowieka negatywnie wpływa na jego wydajność w pracy. Zgodnie z oświadczeniem zespołu badawczego MIT, projekt ma na celu wykorzystanie potęgi zespołów ludzi i maszyn, używając maszyn do pomocy ludziom w pracy w optymalny, bezpieczniejszy sposób.

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

Megan Blackwell była byłym zastępcą kierownika badań naukowych w dziedzinie biologii i technologii w Laboratorium Lincoln. Blackwell pracowała nad projektem systemów sztucznej inteligencji, które mogą określać, kiedy ktoś jest pod wpływem dużego stresu lub zmęczenia, co pogarsza ich wydajność. Blackwell zauważa, że błędy ludzkie nie prowadzą tylko do błędów i pominięć, ale mogą również prowadzić do katastrofalnych, potencjalnie zagrażających życiu konsekwencji. Im wcześniej można wprowadzić interwencję, tym lepiej. System sztucznej inteligencji mógłby sugerować sposoby, aby ulżyć zmęczeniu swojemu ludzkiemu partnerowi. Jak wyjaśniła Blackwell, zgodnie z informacjami MIT:

“Dziś neuromonitoring staje się bardziej szczegółowy i przenośny. Wyobrażamy sobie użycie technologii do monitorowania zmęczenia lub przeciążenia poznawczego. Czy ta osoba zwraca uwagę na zbyt wiele rzeczy? Czy straci siły, tak jakby mówiło się? Jeśli możesz monitorować człowieka, możesz interweniować, zanim coś złego się stanie.”

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

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

Jeśli system sztucznej inteligencji stwierdzi, że wydajność człowieka jest pogarszana z powodu zmęczenia lub stresu, możliwe są różne interwencje. System może po prostu nakazać swojemu ludzkiemu partnerowi, aby zrobił przerwę lub wypić kawę. Jednak jeśli zespół ludzko-sztucznej inteligencji działa w niebezpiecznej sytuacji, takiej jak prowadzenie wózka widłowego, a człowiek traci przytomność, system sztucznej inteligencji mógłby działać jako zabezpieczenie i zatrzymać pojazd.

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