麻省理工学院研究人员尝试使用人工智能驱动的方法来检测工作压力和疲劳

麻省理工学院（MIT）的研究人员一直在研究人工智能驱动的方法，以检测一个人何时感到压力或认知疲劳，从而对其工作表现产生负面影响。根据MIT研究团队的说法，该项目旨在利用人机团队的力量，使用机器帮助人类以最佳和更安全的方式工作。

Michael Pietrucha 是 MIT 林肯实验室的战术系统专家。Pietrucha 指出，人类和机器之间有着长期的合作历史，但即使在人工智能驱动的复杂人机团队出现后，人类通常也扮演着机器的顾问角色。人类的责任通常是理解系统、监控系统并确保其正常工作。然而，团队合作是双向的，机器也可以帮助人类实现目标，增强他们的工作。

Megan Blackwell 是林肯实验室内部资助的生物科学和技术研究的前副主任。Blackwell 致力于设计能够判断某人是否处于高压力或疲劳状态的 AI 系统，这种状态会损害他们的表现。Blackwell 指出，人类的错误不仅会导致错误和错失机会，还可能导致灾难性的、甚至危及生命的后果。早期干预越早越好。该 AI 系统可以向其人类合作伙伴建议缓解疲劳的方法。正如 Blackwell 解释的那样，根据 MIT 新闻：

“今天，神经监测变得更加具体和便携。我们设想使用技术来监测疲劳或认知超载。这个人是否处理了太多事情？他们是否会耗尽能量，如此说吧？如果你可以监测人类，你可以在发生坏事情之前进行干预。”

压力和疲劳识别系统将通过收集生物数据和分析它来运行。早期的研究曾尝试使用视频和音频录音、计算机视觉和自然语言处理算法来找到可能指示一个人的神经行为和生理状态的模式。使用生物数据来确定人们的情绪状态的前期工作已经取得了一些 成功 检测 抑郁水平，尽管关于这些算法的可靠性以及研究是否真正可复制存在一些 争议和。MIT 团队将使用不仅来自视频和音频录音，还有各种生物传感器收集的数据，包括 EEG 和心率数据，旨在建立准确、可靠的模型。

设计任何诊断系统的第一步是建立正常表现的基线。为了实现这一点，AR 系统必须建立个体的认知模型。根据研究团队的说法，认知模型是根据通过录音和传感器收集的生理输入设计的。然后，系统可以开始监测人员，看看他们的生理指标是否随时间变化，预测哪些偏差可能会造成危害，导致错误或受伤。

如果 AI 系统确定人类的表现由于疲劳或压力而恶化，则可能会采取几种不同的干预措施。系统可以简单地提示其人类队友休息一下或喝杯咖啡。然而，如果人类-人工智能团队在危险场景中工作，例如驾驶叉车，而人类失去意识，人工智能系统可以作为故障保护装置，停止车辆。

研究团队仍处于项目的早期阶段，正在收集训练算法所需的数据。团队计划使用情报分析师作为他们的第一个测试案例，让分析师参与模拟版本的日常工作。