麻省理工学院(MIT)的研究人员正在研究智能机器，这些机器可以帮助感知认知疲劳，并提出干预措施来帮助一个人提高表现。这个人工智能驱动的项目旨在识别工作压力和疲劳，旨在利用人机团队的能力来合作解决复杂的问题。根据麻省理工学院林肯实验室的研究人员的说法，这些人机团队的大部分开发都集中在机器上，以解决训练AI算法有效执行任务的技术挑战。

该实验室的战术系统专家迈克尔彼得鲁查(Michael Pietrucha)指出，在人机协作领域，他和他的团队经常会考虑这项技术，比如如何监控它、理解它并确保它正常工作。但他进一步指出，团队合作是双向的，机器可以帮助人们提高表现。Pietrucha是该实验室的研究人员之一，该实验室旨在开发一种能够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前副主任梅根布莱克威尔(Megan Blackwell)解释说，如今神经监测变得越来越具体和便携。“我们设想利用技术来监测疲劳或认知超载。这个人参加太多了吗？你能这么说吗？如果你能监控人们，你就能在坏事发生之前进行干预。”她说。使用技术来读取人们的认知或情绪状态已经是实验室中长达十年的研究。

压力和疲劳识别系统可以对生物数据进行操作，例如说话者的视频和音频记录。通过使用先进的人工智能算法处理这些数据，研究人员发现了心理和神经行为状况的各种生物标记。例如，这些生物标志物已经用于训练模型，可以准确地估计一个人的抑郁症。

作为研究的一部分，研究团队将把他们的生物标记研究应用到人工智能驱动的系统中，以评估个体的认知状态，从而总结出人们的疲劳、压力或过载情况。该系统将通过使用从生理数据(如语音和面部记录、心率、脑电图和大脑活动和眼球运动的光学指示)中获得的生物标记来提取这些见解。

根据研究人员的说法，第一步将是建立一个个人认知模型。麻省理工学院林肯实验室(MIT Lincoln Laboratory)负责多项神经行为生物标志物研究的托马斯夸蒂耶里(Thomas Quatieri)表示，这将整合生理输入并对其进行监测，以观察人们在执行特定疲劳任务时它们是如何变化的。这个过程将使人工智能系统能够建立活动模式，并学习一个人的基线认知状态，这涉及防止受伤或不良后果所需的基本任务相关功能，如听觉和视觉注意力以及反应时间。在这个个性化基准建立之后，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。