Pesquisadores do MIT Experimentam com Métodos Impulsionados por IA para Detectar Estresse e Fadiga no Trabalho

Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) vêm trabalhando em métodos impulsionados por IA para detectar quando o estresse ou a fadiga cognitiva de uma pessoa está afetando negativamente seu desempenho no trabalho. De acordo com a equipe de pesquisa do MIT, o projeto visa aproveitar o poder dos times humanos-máquinas, usando máquinas para ajudar os humanos a trabalhar de forma ótima e mais segura.

Michael Pietrucha faz parte do Laboratório Lincoln no MIT, atuando como especialista em Sistemas Táticos. Pietrucha apontou a longa história de colaboração entre humanos e máquinas ao longo dos anos, mas notou que, mesmo com o surgimento de times humanos-máquinas sofisticados impulsionados por IA, o humano geralmente desempenha o papel de consultor da máquina. A responsabilidade do humano é normalmente entender o sistema, monitorar o sistema e garantir que ele esteja funcionando corretamente. No entanto, a equipe é uma via de mão dupla, e a máquina pode ajudar os humanos a alcançar seus objetivos, aumentando seu trabalho.

Megan Blackwell foi a ex-subchefe de pesquisa de ciência e tecnologia biológica financiada internamente no Laboratório Lincoln. Blackwell trabalhou para projetar sistemas de IA capazes de determinar quando alguém está sob muito estresse ou fadiga que está degradando seu desempenho. Blackwell observa que o erro humano não leva apenas a erros e oportunidades perdidas, mas também pode levar a consequências desastrosas e potencialmente ameaçadoras à vida. Quanto mais cedo uma intervenção possa ocorrer, melhor. O sistema de IA em questão poderia sugerir maneiras de aliviar a fadiga para seu parceiro humano. Como Blackwell explicou, de acordo com as notícias do MIT:

“Hoje, a neuromonitorização está se tornando mais específica e portátil. Nossa visão é usar tecnologia para monitorar a fadiga ou a sobrecarga cognitiva. Essa pessoa está prestando atenção a muito? Ela vai ficar sem combustível, por assim dizer? Se você puder monitorar o humano, poderá intervir antes que algo ruim aconteça.”

O sistema de reconhecimento de estresse e fadiga operaria coletando dados biométricos e analisando-os. Estudos anteriores tentaram usar gravações de vídeo e áudio de uma pessoa, combinadas com algoritmos de visão computacional e processamento de linguagem natural, para encontrar padrões que pudessem indicar os estados neurocomportamentais e fisiológicos de uma pessoa. Trabalhos anteriores usando dados biométricos para determinar os estados emocionais das pessoas viram algum sucesso detectando níveis de depressão, embora haja alguma controvérsia sobre a confiabilidade desses algoritmos e se os estudos são realmente replicáveis. A equipe do MIT usará dados coletados não apenas de gravações de vídeo e áudio, mas também de uma variedade de sensores biométricos que coletam dados sobre EEG e frequência cardíaca, visando construir modelos precisos e confiáveis.

O primeiro passo no projeto de qualquer sistema de diagnóstico é estabelecer uma linha de base de desempenho normal. Para que isso ocorra, o sistema de AR deve construir um modelo cognitivo de um indivíduo. De acordo com a equipe de pesquisa, os modelos cognitivos são projetados com respeito às entradas fisiológicas coletadas por meio das gravações e sensores. O sistema pode então começar a monitorar a pessoa para ver se seus níveis fisiológicos mudam ao longo do tempo, prevendo quais desvios poderiam potencialmente ser prejudiciais, causando erros ou lesões.

Se o sistema de IA determinar que o desempenho de um humano está se degradando devido à fadiga ou estresse, várias intervenções diferentes são possíveis. O sistema poderia simplesmente solicitar que seu parceiro humano faça uma pausa ou beba um café. No entanto, se o time humano-IA estiver operando em um cenário perigoso, como dirigir um empilhadeira, e o humano perder a consciência, o sistema de IA poderia atuar como um Fail-Safe e parar o veículo.

A equipe de pesquisa ainda está nos estágios iniciais do projeto, coletando os dados necessários para treinar seus algoritmos. A equipe planeja usar analistas de inteligência como seu primeiro caso de teste, fazendo com que os analistas participem de uma versão simulada de seus trabalhos diários.