Los investigadores están trabajando en máquinas inteligentes que puedan detectar la fatiga cognitiva y sugerir intervenciones para ayudar a un ser humano a mejorar su rendimiento.
estresada o sobrecargada se siente una persona. El sistema utilizará biomarcadores derivados de datos fisiológicos, como grabaciones vocales y faciales, frecuencia cardíaca, EEG e indicaciones ópticas de actividad cerebral y movimiento ocular para obtener estos conocimientos.
El primer paso será construir un modelo cognitivo de un individuo. «El modelo cognitivo integrará las entradas fisiológicas y controlará las entradas para ver cómo cambian a medida que una persona realiza determinadas tareas agotadoras», dice Thomas Quatieri, que dirige varios esfuerzos de investigación de biomarcadores neuroconductuales en el laboratorio. «A través de este proceso, el sistema puede establecer patrones de actividad y conocer el estado cognitivo básico de una persona que involucra funciones básicas relacionadas con tareas necesarias para evitar lesiones o resultados no deseados, como la atención auditiva y visual y el tiempo de respuesta».
Una vez que se establece esta línea de base individualizada, el sistema puede comenzar a reconocer las desviaciones de lo normal y predecir si esas desviaciones conducirán a errores o a un rendimiento deficiente.
«Construir un modelo es difícil. Sabes que lo hiciste bien cuando predice el rendimiento», dice William Streilein, personal principal de la División de Control de Tráfico Aéreo y Protección Nacional de Lincoln Lab. «Lo hemos hecho bien si el sistema puede identificar una desviación y luego predecir que la desviación va a interferir con el desempeño de la persona en una tarea. Los humanos somos complejos; compensamos naturalmente el estrés o la fatiga. Lo importante es construir un sistema que puede predecir cuándo esa desviación no será compensada, y solo intervenir entonces».
Las posibilidades de intervención son amplias. En un extremo del espectro hay pequeños ajustes que un ser humano puede hacer para restaurar el rendimiento: beber café, cambiar la iluminación, tomar aire fresco. Otras intervenciones podrían sugerir un cambio de turno o la transferencia de una tarea a una máquina u otro compañero de equipo. Otra posibilidad es utilizar la estimulación de corriente continua transcraneal, una técnica de restauración del rendimiento que utiliza electrodos para estimular partes del cerebro y ha demostrado ser más eficaz que la cafeína para contrarrestar la fatiga, con menos efectos secundarios.
En el otro extremo del espectro, la máquina podría tomar las medidas necesarias para garantizar la supervivencia del miembro humano del equipo cuando el humano no pueda hacerlo. Por ejemplo, un compañero de equipo de IA podría tomar la «decisión de expulsión» de un piloto de combate que ha perdido el conocimiento o la capacidad física para expulsarse. Pietrucha, un coronel retirado de la Fuerza Aérea de EE. UU. que ha tenido muchas horas de vuelo como aviador de combate/ataque, ve la promesa de un sistema de este tipo que «va más allá del mero análisis de los parámetros de vuelo e incluye el análisis del estado cognitivo de la tripulación aérea». , interviniendo solo cuando la tripulación no puede o no quiere», dice.
Determinar la intervención más útil y su eficacia depende de una serie de factores relacionados con la tarea en cuestión, la dosis de la intervención e incluso los antecedentes demográficos del usuario. «Aún queda mucho trabajo por hacer para comprender los efectos de diferentes intervenciones y validar su seguridad», dice Streilein. «Eventualmente, queremos introducir intervenciones cognitivas personalizadas y evaluar su efectividad en el desempeño de la misión».
Más allá de su uso en la aviación de combate, la tecnología podría beneficiar otros trabajos exigentes o peligrosos, como los relacionados con el control del tráfico aéreo, las operaciones de combate, la respuesta a desastres o la medicina de emergencia. «Hay escenarios en los que los médicos de combate son superados en número, se encuentran en situaciones difíciles y están tan cansados como todos los demás. Tener este tipo de ayuda por encima del hombro, algo para ayudar a controlar su estado mental y fatiga, podría ayudar prevenir errores médicos o incluso alertar a otros sobre su nivel de fatiga», dice Blackwell.
Hoy, el equipo está buscando patrocinio para ayudar a desarrollar aún más la tecnología. El próximo año se centrará en recopilar datos para entrenar sus algoritmos. Los primeros sujetos serán analistas de inteligencia, equipados con sensores mientras juegan un juego serio que simula las demandas de su trabajo. «Los analistas de inteligencia a menudo se ven abrumados por los datos y podrían beneficiarse de este tipo de sistema», dice Streilein. «El hecho de que normalmente hagan su trabajo en un ambiente de habitación ‘normal’, en una computadora, nos permite instrumentarlos fácilmente para recopilar datos fisiológicos y comenzar a entrenar».
«Trabajaremos en un conjunto básico de capacidades en el corto plazo», dice Quatieri, «pero un objetivo final sería aprovechar esas capacidades para que, mientras el sistema aún esté individualizado, podría ser una capacidad más llave en mano que podría implementarse ampliamente, de forma similar a como Siri, por ejemplo, es universal pero se adapta rápidamente a un individuo». A largo plazo, el equipo ve la promesa de un modelo de fondo universal que podría representar a cualquier persona y adaptarse para un uso específico.
Tal capacidad puede ser clave para el avance de los equipos humano-máquina del futuro. A medida que la IA avanza para lograr capacidades más parecidas a las humanas, mientras es inmune a la condición humana de estrés mental, es posible que los humanos presenten el mayor riesgo para el éxito de la misión. Un compañero de equipo de IA puede saber cómo levantar a su compañero.