Un equipo de investigadores está desarrollando sistemas de IA capaces de detectar cuándo la fatiga cognitiva de una persona interfiere con su rendimiento en el trabajo.
Esto podría ser muy beneficioso si la persona está estresada, agotada o atravesando alguna otra dificultad.
La IA funciona mediante la comprensión de biomarcadores, que le permiten analizar el estado cognitivo y las emociones externas de una persona.
Los investigadores trabajan para desarrollar máquinas inteligentes que puedan detectar la fatiga cognitiva y sugerir intervenciones para ayudar a una persona a mejorar su rendimiento.
A lo largo de la historia, los seres humanos han colaborado con las máquinas para alcanzar objetivos, ya sea mediante máquinas sencillas para mover materiales o máquinas complejas para viajar al espacio. Pero los avances actuales en inteligencia artificial abren posibilidades para un trabajo en equipo aún más sofisticado: equipos reales de humanos y máquinas que cooperan para resolver problemas complejos.
Gran parte del desarrollo de estos equipos de humanos y máquinas se centra en la máquina, abordando los desafíos tecnológicos de entrenar algoritmos de IA para desempeñar eficazmente su papel en una misión. Sin embargo, según los investigadores del Laboratorio Lincoln del MIT, se ha prestado menos atención al lado humano del equipo. ¿Qué ocurre si la máquina funciona perfectamente, pero la persona está teniendo dificultades?
«En el ámbito del trabajo en equipo entre humanos y máquinas, a menudo pensamos en la tecnología: por ejemplo, cómo la supervisamos, cómo la entendemos, cómo nos aseguramos de que funcione correctamente. Pero el trabajo en equipo es una calle de doble sentido, y estas consideraciones no se aplican en ambos sentidos. Lo que estamos haciendo es mirar la otra cara de la moneda, donde la máquina supervisa y potencia al otro lado, el humano», afirma Michael Pietrucha, especialista en sistemas tácticos del laboratorio.
Pietrucha forma parte de un equipo de investigadores del laboratorio que pretende desarrollar sistemas de IA capaces de detectar cuándo la fatiga cognitiva de una persona interfiere con su rendimiento. El sistema sugeriría entonces intervenciones o, incluso, tomaría medidas en situaciones críticas para ayudar al individuo a recuperarse o evitar un daño.
«A lo largo de la historia, hemos visto cómo el error humano provoca percances, oportunidades perdidas y, en ocasiones, consecuencias desastrosas», afirma Megan Blackwell, antigua subdirectora de investigación en ciencias y tecnologías biológicas financiada internamente en el laboratorio. «Hoy en día, la neuromonitorización es cada vez más precisa y portátil. Imaginamos utilizar la tecnología para vigilar la fatiga o la sobrecarga cognitiva. ¿Está esta persona atendiendo a demasiadas cosas? ¿Se quedará sin energía, por así decirlo? Si puedes monitorizar al ser humano, podrías intervenir antes de que ocurra algo malo».
Esta visión tiene sus raíces en décadas de investigación del laboratorio sobre el uso de la tecnología para «leer» el estado cognitivo o emocional de una persona. Mediante la recopilación de datos biométricos, como grabaciones de vídeo y audio de una persona que habla, y su procesamiento con algoritmos avanzados de IA, los investigadores han descubierto biomarcadores de diversas afecciones psicológicas y neuroconductuales. Estos biomarcadores se han utilizado para entrenar modelos que pueden estimar con precisión el nivel de depresión de una persona, por ejemplo.
En este trabajo, el equipo aplicará su investigación sobre biomarcadores a una IA capaz de analizar el estado cognitivo de una persona, englobando el grado de fatiga, estrés o sobrecarga que siente. El sistema utilizará biomarcadores derivados de datos fisiológicos, como grabaciones vocales y faciales, la frecuencia cardíaca, indicadores de actividad cerebral mediante EEG y ópticos, y el movimiento ocular, para obtener esta información.
El primer paso consistirá en construir un modelo cognitivo de la persona. «El modelo cognitivo integrará las entradas fisiológicas y las supervisará para ver cómo cambian a medida que la persona realiza tareas particularmente agotadoras», afirma Thomas Quatieri, que dirige varios proyectos de investigación sobre biomarcadores neuroconductuales en el laboratorio. «Mediante este proceso, el sistema puede establecer patrones de actividad y conocer el estado cognitivo basal de la persona en 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 establecida esta línea base individualizada, el sistema puede empezar a reconocer desviaciones respecto a lo normal y predecir si dichas desviaciones provocarán errores o un rendimiento deficiente.
«Construir un modelo es difícil. Sabes que lo has hecho bien cuando predice el rendimiento», afirma William Streilein, personal principal de la División de Protección Nacional y Control del Tráfico Aéreo del Laboratorio Lincoln. «Lo hemos hecho bien si el sistema puede identificar una desviación y, además, predecir que dicha desviación va a interferir en el rendimiento de la persona en una tarea. Los seres humanos son complejos; compensamos de forma natural el estrés o la fatiga. Lo importante es construir un sistema que pueda predecir cuándo esa desviación no será compensada y que intervenga únicamente en ese momento».
Las posibilidades de intervención son muy variadas. En un extremo del espectro se encuentran los ajustes menores que una persona puede hacer para recuperar el rendimiento: tomar café, cambiar la iluminación o tomar aire fresco. Otras intervenciones podrían sugerir un cambio de turno o la transferencia de una tarea a una máquina u otro compañero. Otra posibilidad es el uso de la estimulación transcraneal por corriente continua, una técnica de recuperación del rendimiento que utiliza electrodos para estimular zonas del cerebro y que 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 este no sea capaz de hacerlo. Por ejemplo, un compañero de IA podría tomar la «decisión de eyección» por un piloto de caza que ha perdido el conocimiento o la capacidad física para eyectarse. Pietrucha, coronel retirado de la Fuerza Aérea de los Estados Unidos, con muchas horas de vuelo como piloto de caza y de ataque, ve la promesa de un sistema que «va más allá del mero análisis de los parámetros de vuelo e incluye el análisis del estado cognitivo de la tripulación, interviniendo solo cuando la tripulación no pueda o no quiera», afirma.
Determinar la intervención más útil y su eficacia depende de varios factores relacionados con la tarea que se realiza, la dosis de la intervención e incluso el perfil demográfico del usuario. «Todavía queda mucho trabajo por hacer para comprender los efectos de las distintas intervenciones y validar su seguridad», afirma Streilein. «Con el tiempo, queremos introducir intervenciones cognitivas personalizadas y evaluar su eficacia en el rendimiento de las misiones».
Más allá de su uso en la aviación de combate, la tecnología podría beneficiar a otros trabajos exigentes o peligrosos, como los relacionados con el control del tráfico aéreo, las operaciones de combate, la respuesta ante desastres o la medicina de emergencias. «Hay escenarios en los que los médicos de combate están muy superados en número, se enfrentan a situaciones agotadoras y están tan cansados como todos los demás. Contar con este tipo de ayuda constante, algo que ayude a vigilar su estado mental y su fatiga, podría ayudar a prevenir errores médicos o incluso alertar a otros sobre su nivel de fatiga», afirma Blackwell.
Actualmente, el equipo busca patrocinio para seguir desarrollando 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 exigencias de su trabajo. «Los analistas de inteligencia suelen verse desbordados por los datos y podrían beneficiarse de este tipo de sistema», afirma Streilein. «El hecho de que normalmente realicen su trabajo en una sala “normal”, frente a un ordenador, nos permite instrumentarlos fácilmente para recopilar datos fisiológicos y empezar el entrenamiento».
«Trabajaremos en un conjunto básico de capacidades a corto plazo», afirma Quatieri, «pero el objetivo final sería aprovechar esas capacidades para que, aunque el sistema siga siendo individualizado, pueda convertirse en una solución más lista para usar que se pueda desplegar ampliamente, de forma similar a como Siri, por ejemplo, es universal pero se adapta rápidamente a cada persona». A largo plazo, el equipo ve la promesa de un modelo de referencia universal que pueda representar a cualquier persona y adaptarse a un uso específico.
Esta capacidad podría ser clave para avanzar en los equipos de humanos y máquinas del futuro. A medida que la IA progresa para alcanzar capacidades más parecidas a las humanas, y al mismo tiempo queda inmune a la condición humana del estrés mental, es posible que los humanos representen el mayor riesgo para el éxito de la misión. Un compañero de IA podría saber exactamente cómo animar a su compañero.
