MIT-forskare experimenterar med AI-drivna metoder för att upptäcka arbetsrelaterad stress och trötthet

Forskare vid Massachusetts Institute of Technology, MIT, har arbetat med AI-stödda metoder för att upptäcka när en persons stress eller kognitiv trötthet negativt påverkar deras prestation på jobbet. Enligt MIT-forskningsgruppen syftar projektet till att utnyttja kraften i mänskliga-maskin team, med maskiner som hjälper människor att arbeta på ett optimalt och säkrare sätt.

Michael Pietrucha är en del av Lincoln Laboratory vid MIT, där han arbetar som specialist inom taktiska system. Pietrucha påpekade den långa historien av samarbete mellan människor och maskiner genom åren, men noterade att även med framväxten av avancerade mänskliga-maskin team driven av AI, spelar den mänskliga parten vanligtvis rollen som rådgivare till maskinen. Den mänskliga ansvarige är vanligtvis att förstå systemet, övervaka systemet och säkerställa att det fungerar korrekt. Men samarbete är en tvåvägs gata, och maskinen kan hjälpa människor att uppnå sina mål, förstärka deras arbete.

Megan Blackwell var tidigare ställföreträdande chef för inomfinansierad biologisk vetenskap och teknisk forskning vid Lincoln Laboratory. Blackwell arbetade med att utforma AI-system som kunde bestämma när någon var under stor stress eller trötthet som försämrade deras prestation. Blackwell noterade att mänskliga fel inte bara leder till misstag och missade möjligheter, utan också till katastrofala, potentiellt livshotande konsekvenser. Ju tidigare en intervention kan äga rum, desto bättre. AI-systemet i fråga kunde föreslå sätt att lindra trötthet för sin mänskliga partner. Som Blackwell förklarade, enligt MIT-nyheter:

“Idag blir neuromonitorering alltmer specifik och bärbar. Vi ser fram emot att använda teknologi för att övervaka trötthet eller kognitiv överbelastning. Är denna person uppmärksam på för mycket? Kommer de att ta slut, så att säga? Om du kan övervaka den mänskliga parten, kan du ingripa innan något dåligt händer.”

Stress- och trötthetsigenkänningsystemet skulle fungera genom att samla in biometrisk data och analysera den. Tidigare studier har försökt att använda video- och ljudinspelningar av en person, i kombination med datorseende och naturlig språkbehandlingsalgoritmer, för att hitta mönster som kunde indikera en persons neurobehaviorala och fysiologiska tillstånd. Tidigare arbete med att använda biometrisk data för att bestämma människors emotionella tillstånd har sett viss framgång i att upptäcka nivåer av depression, även om det finns viss kontrovers kring hur tillförlitliga dessa algoritmer är och om studierna verkligen är replikerbara. Teamet vid MIT kommer att använda data som samlats in inte bara från video- och ljudinspelningar, utan också från en mängd biometriska sensorer som samlar in data om EEG och hjärtfrekvens, i syfte att bygga precisa och tillförlitliga modeller.

Det första steget i att utforma något diagnostiskt system är att etablera en baslinje för normal prestation. För att detta ska ske måste AR-systemet bygga en kognitiv modell av en individ. Enligt forskningsgruppen är de kognitiva modellerna utformade med hänsyn till de fysiologiska indata som samlas in genom inspelningarna och sensorerna. Systemet kan sedan börja övervaka personen för att se om deras fysiologiska kriterier förändras över tiden, förutsäga vilka avvikelser som potentiellt kan vara skadliga, orsaka misstag eller skador.

Om AI-systemet bestämmer att en människas prestation försämras på grund av trötthet eller stress, finns det flera möjliga ingripanden. Systemet kan enkelt uppmana sin mänskliga partner att ta en paus eller dricka en kopp kaffe. Men om det mänskliga-AI-teamet opererar i en farlig situation, som att köra en truck, och den mänskliga parten förlorar medvetandet, kan AI-systemet fungera som en säkerhetsfunktion och stoppa fordonet.

Forskningsgruppen är fortfarande i de tidiga stadierna av projektet, och samlar in de data som behövs för att träna sina algoritmer. Gruppen planerar att använda underrättelseanalytiker som deras första testfall, och låta analytikerna engagera sig i en simulerad version av deras dagliga jobb.