麻省理工學院(MIT)的研究人員正在研究可幫助感知認知疲勞并提出干預措施以幫助一個人改善表現的智能機器。該AI驅動的旨在識別工作壓力和疲勞的項目旨在利用人機團隊的能力，合作解決復雜問題。根據麻省理工學院林肯實驗室的研究人員所說，這些人機團隊的大部分發(fā)展都集中在機器上，以解決培訓AI算法以有效執(zhí)行任務的技術挑戰(zhàn)。

實驗室的戰(zhàn)術系統專家Michael Pietrucha在談到人與機器之間的協作時指出，在人機協作領域，他和他的團隊經?？紤]該技術，例如如何監(jiān)控該技術，了解它，并確保它工作正常。但是他進一步指出，團隊合作是一條兩條路，并且機器可以幫助人們提高績效。Pietrucha是實驗室研究人員之一，該實驗室旨在開發(fā)可感知一個人的認知疲勞干擾其工作表現的AI系統。

此外，實驗室內部資助的生物科學和技術研究的前副主任梅根·布萊克威爾(Megan Blackwell)解釋說，神經監(jiān)測在今天變得越來越具體和可移植。“我們設想使用技術來監(jiān)測疲勞或認知超負荷。這個人參加太多嗎?可以這么說嗎?如果您可以監(jiān)控人員，則可以在發(fā)生不良情況之前進行干預。”她說。使用技術讀取人的認知或情緒狀態(tài)一直是實驗室長達十年的研究。

壓力和疲勞識別系統可對生物數據進行操作，例如說話人的視頻和音頻記錄。通過使用先進的AI算法處理這些數據，研究人員發(fā)現了各種心理和神經行為狀況的生物標志物。例如，這些生物標志物已被用于訓練模型，該模型可以準確地估計一個人的抑郁程度。

作為研究的一部分，研究小組將把他們的生物標志物研究應用于人工智能驅動的系統，以評估個人的認知狀態(tài)，從而概括出人們的疲勞，壓力或超負荷程度。該系統將使用從生理數據(例如聲音和面部錄音，心率，EEG和大腦活動以及眼球活動的光學指示)獲取的生物標記物來摘錄這些見解。

據研究人員稱，第一步將是建立個人的認知模型。麻省理工學院林肯實驗室負責多項神經行為生物標記研究工作的托馬斯·奎提里(Thomas Quatieri)表示，這將整合生理輸入并監(jiān)控輸入，以觀察人執(zhí)行特定的疲勞任務時它們如何變化。此過程將使AI系統能夠建立活動模式并學習一個人的基線認知狀態(tài)，該狀態(tài)涉及預防傷害或不良結果(如聽覺和視覺注意以及響應時間)所需的基本任務相關功能。建立此個性化基準后，系統可以開始識別與正常值的偏差，并預測這些偏差是否會導致錯誤或性能下降。