教育新闻网麻省理工学院(MIT)的研究人员正在研究可帮助感知认知疲劳并提出干预措施以帮助一个人改善表现的智能机器。该AI驱动的旨在识别工作压力和疲劳的项目旨在利用人机团队的能力，合作解决复杂问题。根据麻省理工学院林肯实验室的研究人员所说，这些人机团队的大部分发展都集中在机器上，以解决培训AI算法以有效执行任务的技术挑战。
实验室的战术系统专家Michael Pietrucha在谈到人与机器之间的协作时指出，在人机协作领域，他和他的团队经常考虑该技术，例如如何监控该技术，了解它，并确保它工作正常。但是他进一步指出，团队合作是一条两条路，并且机器可以帮助人们提高绩效。Pietrucha是实验室研究人员之一，该实验室旨在开发可感知一个人的认知疲劳干扰其工作表现的AI系统。
此外，实验室内部资助的生物科学和技术研究的前副主任梅根·布莱克威尔(Megan Blackwell)解释说，神经监测在今天变得越来越具体和可移植。“我们设想使用技术来监测疲劳或认知超负荷。这个人参加太多吗?可以这么说吗?如果您可以监控人员，则可以在发生不良情况之前进行干预。”她说。使用技术读取人的认知或情绪状态一直是实验室长达十年的研究。
压力和疲劳识别系统可对生物数据进行操作，例如说话人的视频和音频记录。通过使用先进的AI算法处理这些数据，研究人员发现了各种心理和神经行为状况的生物标志物。例如，这些生物标志物已被用于训练模型，该模型可以准确地估计一个人的抑郁程度。
作为研究的一部分，研究小组将把他们的生物标志物研究应用于人工智能驱动的系统，以评估个人的认知状态，从而概括出人们的疲劳，压力或超负荷程度。该系统将使用从生理数据(例如声音和面部录音，心率，EEG和大脑活动以及眼球活动的光学指示)获取的生物标记物来摘录这些见解。
据研究人员称，第一步将是建立个人的认知模型。麻省理工学院林肯实验室负责多项神经行为生物标记研究工作的托马斯·奎提里(Thomas Quatieri)表示，这将整合生理输入并监控输入，以观察人执行特定的疲劳任务时它们如何变化。此过程将使AI系统能够建立活动模式并学习一个人的基线认知状态，该状态涉及预防伤害或不良结果(如听觉和视觉注意以及响应时间)所需的基本任务相关功能。建立此个性化基准后，系统可以开始识别与正常值的偏差，并预测这些偏差是否会导致错误或性能下降。
