Исследователи MIT Экспериментируют С AI-Драйвенными Методами Обнаружения Профессионального Стресса и Усталости

Исследователи в Массачусетском технологическом институте (MIT) работают над разработкой методов, основанных на искусственном интеллекте (AI), для обнаружения того, когда стресс или когнитивная усталость человека негативно влияют на его производительность на работе. Согласно команде исследователей MIT, проект направлен на использование потенциала человеческих-машинных команд, используя машины для помощи людям работать оптимальным, более безопасным способом.

Майкл Пьетруха является частью Линкольнской лаборатории в MIT, где он работает в качестве специалиста по тактическим системам. Пьетруха указал на долгую историю сотрудничества между людьми и машинами на протяжении многих лет, но отметил, что даже с появлением сложных человеческих-машинных команд, управляемых AI, человек обычно играет роль советника машины. Ответственность человека обычно заключается в понимании системы, мониторинге системы и обеспечении ее правильной работы. Однако командная работа – это двусторонняя улица, и машина может помочь людям достичь их цели, дополняя их работу.

Меган Блэквелл была бывшим заместителем руководителя внутренне финансируемых биологических научных и технологических исследований в Линкольнской лаборатории. Блэквелл работала над разработкой AI-систем, способных определять, когда кто-то находится под большим стрессом/усталостью, что ухудшает их производительность. Блэквелл отмечает, что человеческая ошибка не только приводит к ошибкам и упущенным возможностям, но также может привести к катастрофическим, потенциально опасным для жизни последствиям. Чем раньше можно вмешаться, тем лучше. AI-система может предложить способы облегчить усталость своему человеческому партнеру. Как объяснила Блэквелл, согласно новостям MIT:

“Сегодня нейромониторинг становится более специфичным и портативным. Мы представляем себе использование технологии для мониторинга усталости или когнитивной перегрузки. Следит ли этот человек за слишком многим? Закончится ли у него бензин, так сказать? Если можно отслеживать человека, можно вмешаться, прежде чем что-то плохое произойдет.”

Система обнаружения стресса и усталости будет работать, собирая биометрические данные и анализируя их. Ранее проведенные исследования пытались использовать видео- и аудиозаписи человека, в сочетании с алгоритмами компьютерного зрения и обработки естественного языка, для нахождения закономерностей, которые могли бы указывать на нейробиологические и физиологические состояния человека. Предыдущая работа по использованию биометрических данных для определения эмоциональных состояний людей показала некоторый успех обнаружения уровней депрессии, хотя есть некоторая контроверсия относительно того, насколько надежны эти алгоритмы и действительно ли исследования являются реплицируемыми. Команда в MIT будет использовать данные, собранные не только из видео- и аудиозаписей, но также из различных биометрических датчиков, которые собирают данные о ЭЭГ и сердечных ритмах, с целью построения точных и надежных моделей.

Первым шагом в разработке любой диагностической системы является установление базовой линии нормальной производительности. Для этого AR-система должна построить когнитивную модель человека. Согласно исследовательской команде, когнитивные модели проектируются с учетом физиологических входных данных, собранных через записи и датчики. Система может затем начать мониторинг человека, чтобы увидеть, меняются ли его физиологические показатели с течением времени, прогнозируя, какие отклонения могут потенциально быть вредными, вызывая ошибки или травмы.

Если AI-система определит, что производительность человека ухудшается из-за усталости или стресса, возможны различные вмешательства. Система может просто побудить своего человеческого партнера сделать перерыв или выпить кофе. Однако, если человеческая-AI команда работает в опасной ситуации, такой как управление вилочным погрузчиком, и человек теряет сознание, AI-система может действовать как система безопасности и остановить транспортное средство.

Исследовательская команда еще находится на ранних этапах проекта, собирая необходимые данные для обучения своих алгоритмов. Команда планирует использовать аналитиков разведки в качестве своего первого тестового случая, заставляя аналитиков участвовать в симулированной версии их повседневной работы.