Naukowcy z MIT eksperymentują z opartymi na sztucznej inteligencji metodami wykrywania stresu i zmęczenia w pracy

Naukowcy z Massachusetts Institute of Technology MIT pracują nad urządzeniami opartymi na sztucznej inteligencji metody wyczuwania stresu lub zmęczenia poznawczego, negatywnie wpływa na ich wydajność w pracy. Według zespołu badawczego MIT projekt ma na celu wykorzystanie potencjału zespołów człowiek-maszyna do wykorzystania maszyn, aby pomóc ludziom pracować w optymalny i bezpieczniejszy sposób.

Michael Pietrucha jest częścią Lincoln Laboratory na MIT i jest specjalistą ds. systemów taktycznych. Pietrucha zwrócił uwagę na długą historię współpracy człowieka i maszyny na przestrzeni lat, ale zauważył, że nawet w obliczu pojawienia się wyrafinowanych zespołów człowiek-maszyna kierowanych przez sztuczną inteligencję, człowiek zazwyczaj pełni rolę doradcy maszyny. Obowiązkiem człowieka jest zazwyczaj zrozumienie systemu, monitorowanie go i upewnianie się, że działa poprawnie. Jednak praca zespołowa działa w obie strony, a maszyna może pomóc ludziom osiągnąć swój cel, usprawniając ich pracę.

Megan Blackwell była zastępcą kierownika finansowanego ze środków wewnętrznych działu badań w zakresie nauk biologicznych i technologii w Lincoln Laboratory. Firma Blackwell pracowała nad zaprojektowaniem systemów sztucznej inteligencji zdolnych określić, kiedy ktoś znajduje się pod dużym stresem/zmęczeniem, które pogarsza jego wydajność. Blackwell zauważa, że ​​błąd ludzki nie tylko prowadzi do błędów i straconych szans, ale może również prowadzić do katastrofalnych, potencjalnie zagrażających życiu konsekwencji. Im wcześniej nastąpi interwencja, tym lepiej. Omawiany system sztucznej inteligencji mógłby sugerować sposoby złagodzenia zmęczenia swojego ludzkiego partnera. Jak wyjaśnił Blackwell, według wiadomości MIT:

„Dzisiaj neuromonitoring staje się coraz bardziej szczegółowy i przenośny. Zakładamy wykorzystanie technologii do monitorowania zmęczenia lub przeciążenia poznawczego. Czy ta osoba nie przejmuje się zbytnio? Czy, że tak powiem, zabraknie im paliwa? Jeśli potrafisz monitorować człowieka, możesz interweniować, zanim stanie się coś złego.

System rozpoznawania stresu i zmęczenia działałby w oparciu o gromadzenie i analizę danych biometrycznych. We wcześniejszych badaniach próbowano wykorzystać nagrania wideo i audio danej osoby w połączeniu z algorytmami przetwarzania obrazu komputerowego i języka naturalnego w celu znalezienia wzorców, które mogłyby wskazywać stany neurobehawioralne i fizjologiczne danej osoby. W poprzednich pracach wykorzystujących dane biometryczne do określania stanów emocjonalnych ludzi zaobserwowano pewne zjawiska sukces wykrywania poziom depresji, chociaż istnieje trochę kontrowersji odnośnie tego, jak wiarygodne algorytmy te są i czy badania są naprawdę powtarzalne. Zespół z MIT będzie korzystał z danych zebranych nie tylko z nagrań wideo i audio, ale także z różnych czujników biometrycznych, które zbierają dane dotyczące EEG i tętna, w celu zbudowania dokładnych i niezawodnych modeli.

Pierwszym krokiem w projektowaniu dowolnego systemu diagnostycznego jest ustalenie linii bazowej normalnego działania. Aby tak się stało, system AR musi zbudować model poznawczy jednostki. Zdaniem zespołu badawczego modele poznawcze projektuje się w oparciu o dane fizjologiczne gromadzone za pośrednictwem nagrań i czujników. System może następnie rozpocząć monitorowanie osoby, aby sprawdzić, czy jej fizjologiczne skrzynie zmieniają się w czasie, prognozując, które odchylenia mogą być potencjalnie szkodliwe, powodując błędy lub obrażenia.

Jeżeli system sztucznej inteligencji wykryje, że wydajność człowieka pogarsza się z powodu zmęczenia lub stresu, możliwych jest kilka różnych interwencji. System mógłby po prostu zachęcić swojego członka drużyny do zrobienia sobie przerwy lub wypicia kawy. Jeśli jednak zespół człowieka-AI będzie działał w niebezpiecznym scenariuszu, np. podczas prowadzenia wózka widłowego, a człowiek straci przytomność, system sztucznej inteligencji może zadziałać jako zabezpieczenie w przypadku awarii i zatrzymać pojazd.

Zespół badawczy jest wciąż na wczesnym etapie projektu, gromadząc dane niezbędne do szkolenia algorytmów. Zespół planuje wykorzystać analityków wywiadowczych jako swój pierwszy przypadek testowy, w ramach którego analitycy będą wykonywać symulowaną wersję swojej codziennej pracy.