一个研究团队正在开发人工智能系统，能够察觉一个人的认知疲劳何时正在干扰其工作表现。
如果个人正承受压力、精疲力竭或以其他方式陷入困境，这将大有裨益。
该人工智能通过理解生物标志物来运作，借此分析个人的认知状态和外在情绪。
研究人员正致力于开发智能机器，使其能够察觉认知疲劳，并提出干预建议，帮助人类提升表现。
纵观历史，人类一直与机器协作以实现目标，无论是借助简单机械搬运物料，还是借助复杂机械前往太空。如今，人工智能的进步带来了更为精密的协作可能，即真正的人机团队，能够通力合作解决复杂问题。
这类人机团队的开发大多聚焦于机器，致力于应对训练人工智能算法的技术挑战，以使其有效履行任务中的角色。但麻省理工学院林肯实验室的研究人员表示，团队中的人的一面却较少受到关注。如果机器运行完美，而人却陷入困境，又当如何？
“在人机协作领域，我们往往思考的是技术层面的问题，例如如何监测技术、理解技术、确保其正常运行。但团队合作是双向的，而这些考量并未在双向上同时进行。我们正在关注另一面，即机器监测并增强另一方——人，”该实验室战术系统专家迈克尔·皮特鲁查（Michael Pietrucha）表示。
皮特鲁查是实验室研究团队的成员之一，该团队致力于开发人工智能系统，能够察觉一个人的认知疲劳何时正在干扰其工作表现。该系统随后可提出干预建议，甚至在危急情况下采取行动，以帮助个人恢复或防止伤害。
“纵观历史，我们看到人为失误导致意外事故、错失良机，有时甚至引发灾难性后果，”实验室前内部资助生物科学与技术研究副负责人梅根·布莱克威尔（Megan Blackwell）表示。“如今，神经监测正变得更加精准且便携。我们设想利用技术监测疲劳或认知过载。此人是否注意力过于分散？用通俗的话说，他们是否快要耗尽精力？如果能够监测人，就能在坏事发生之前进行干预。”
这一构想源于实验室数十年来的研究，即利用技术“读取”一个人的认知或情绪状态。通过采集生物识别数据（例如一个人说话时的视频和音频记录），并借助先进的人工智能算法处理这些数据，研究人员已发现多种心理及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，从而准确评估一个人的抑郁程度。
在这项工作中，研究团队将把其生物标志物研究应用于人工智能，使其能够分析个人的认知状态，涵盖个人感到疲劳、压力或负荷过重的程度。该系统将利用源自生理数据的生物标志物来获取这些洞察，这些生理数据包括声音和面部记录、心率、脑电图和脑活动光学指标，以及眼动。
第一步是构建个人的认知模型。“认知模型将整合生理输入，并监测这些输入，以观察个人在执行特定疲劳性任务时其变化情况，”负责实验室多项神经行为生物标志物研究工作的托马斯·奎特里（Thomas Quatieri）表示。“通过这一过程，系统可以建立活动模式，并学习个人在基本任务相关功能（例如听觉和视觉注意力及反应时间）方面的基线认知状态，这些功能对于避免伤害或不良后果至关重要。”
一旦确立了这一个性化基线，系统便可开始识别偏离正常状态的情况，并预测这些偏差是否会导致失误或表现不佳。
“构建模型很难。当模型能够预测表现时，你就知道自己做对了，”林肯实验室国土防护与空中交通管制部门首席工作人员威廉·斯特雷莱因（William Streilein）表示。“如果系统能够识别偏差，并进一步准确预测该偏差将干扰此人的任务表现，我们就算做得不错。人是复杂的；我们会自然地适应压力或疲劳。关键在于构建一个能够预测何时该偏差不会被自动补偿的系统，并且仅在此时进行干预。”
干预的可能性多种多样。在光谱的一端，是人类可以自行采取的、用以恢复表现的微小调整：喝咖啡、改变照明、呼吸新鲜空气。其他干预措施则可能建议轮班调整，或将任务转交给机器或其他队友。另一种可能是使用经颅直流电刺激，即一种可恢复表现的技术，它利用电极刺激大脑的特定区域，并且已被证明在对抗疲劳方面比咖啡因更有效，且副作用更少。
在光谱的另一端，当人类无法自行维护生存时，机器可能会采取必要行动，确保人类团队成员的生存。例如，人工智能队友可以为失去意识或丧失自主弹射能力的战斗机飞行员做出“弹射决定”。皮特鲁查是美国空军退役上校，拥有大量战斗/攻击机飞行经验，他认为此类系统大有前景，它“超越了单纯的飞行参数分析，还包括对机组人员认知状态的分析，仅在机组人员无法或不愿行动时进行干预，”他表示。
确定最有帮助的干预措施及其成效，取决于多种因素，包括当前任务、干预的剂量，甚至用户的人口统计背景。“在理解不同干预措施的效果并验证其安全性方面，仍有大量工作有待完成，”斯特雷莱因表示。“最终，我们希望引入个性化的认知干预，并评估其对任务表现的成效。”
除了用于战斗航空领域，该技术还可造福其他要求高或具有危险性的工作，例如与空中交通管制、作战行动、灾难应对或急诊医学相关的工作。“存在这样的场景：战地医护人员人手严重不足，身处高压环境，同样疲惫不堪。拥有这种随时在旁的协助，即帮助监测其精神状态和疲劳程度的工具，可能有助于防止医疗差错，甚至提醒他人注意其疲劳程度，”布莱克威尔表示。
目前，团队正在争取赞助，以助力该技术的进一步开发。来年将重点收集数据，用以训练其算法。首批受试者将是情报分析师，他们将佩戴传感器，参与模拟其工作要求的严肃游戏。“情报分析师常常被数据淹没，可能会从这类系统中获益，”斯特雷莱因表示。“他们通常在‘普通’房间环境中，使用电脑完成工作，这使我们能够轻松为其配备设备，以采集生理数据并开始训练。”
“我们将在近期着手开发一套基础能力集，”奎特里表示，“但最终目标是利用这些能力，使系统在保持个性化的同时，成为一种更加即插即用的能力，能够广泛部署，类似于Siri等产品——它面向所有人，却能迅速适应个人。”从长远来看，团队看到了通用背景模型的前景，该模型能够代表任何人，并可针对特定用途进行调整。
此类能力或许是推动未来人机团队发展的关键。随着人工智能不断进步，逐步实现更接近人类的能力，同时又免受人类精神压力状态的影响，人类或许反而会成为任务成功的最大风险。人工智能队友或许正知道如何将其伙伴托举起来。
