工作压力大吗AI队友可能会知道如何提供帮助

人类在整个历史中一直与机器合作以实现目标,无论是通过使用简单的机器移动物料还是使用复杂的机器在太空中移动。但是,当今人工智能的进步为更复杂的团队合作(真正的人机团队合作解决复杂问题)带来了可能性。

这些人机团队的大部分开发工作都集中在机器上,以应对训练AI算法以有效执行任务的技术挑战。但是,麻省理工学院林肯实验室的研究人员说,关注的重点已经转移到了团队的人性方面。如果机器运行正常,但人在挣扎,该怎么办?

“在人机团队方面,我们经常考虑该技术,例如,我们如何监控,了解它,确保其工作正常。但是团队合作是一条两条路,而这些考虑并不是“我们正在做的是从另一面看,这台机器正在监视并增强另一面-人,”实验室战术系统专家Michael Pietrucha说。

Pietrucha是一组实验室研究人员之一,旨在开发可以感知人的认知疲劳何时干扰其表现的AI系统。然后,系统将建议干预措施,甚至在严峻的情况下采取行动,以帮助个人康复或防止伤害。

“纵观历史,我们发现人为失误会导致不幸,错失良机,有时甚至造成灾难性后果,”实验室内部资助的生物科学和技术研究的前副负责人梅根·布莱克韦尔(Megan Blackwell)说。“如今,神经监测正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负荷。这个人是否参加过多的活动?可以这么说吗?他们会精疲力尽吗?如果您可以监视人类,那么您可以在坏事发生之前进行干预。”

这种愿景的根源是在实验室数十年的研究中,该研究利用技术“读取”一个人的认知或情绪状态。通过收集生物统计数据(例如说话人的视频和音频记录)并使用高级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。

在这项工作中,研究小组将把他们的生物标记研究应用于AI,该AI可以分析个人的认知状态,从而概括人的疲劳,压力或超负荷感。该系统将使用源自生理数据的生物标记物,例如声音和面部记录,心律,脑电图和大脑活动以及眼动的光学指示,以获取这些见解。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关推荐