Un investigador de la Universidad Politécnica de Madrid (UPM) ha formado parte de un equipo científico internacional que, utilizando inteligencia artificial, ha desarrollado un sistema para detectar la carga cognitiva de los trabajadores en cada momento de su jornada laboral.
En la actualidad, una mezcla de estrés y frenesí en el trabajo suele provocar que las personas tengan una sensación de bruma mental. Esta investigación llevada a cabo por un equipo internacional de científicos de la École Polytechnique Fédérale de Lausanne (EPFL) y de la UPM ha concluido con el desarrollo de MBioTracker.
Se trata de una plataforma de adquisición y procesamiento de señales fisiológicas que incorpora nuevos algoritmos y métodos de procesamiento para monitorizar la carga cognitiva en el trabajo, lo que puede proporcionar información valiosa para la toma de decisiones, al tiempo que puede permitir un apoyo adaptativo para el trabajador.
Se trata de una plataforma de adquisición y procesamiento de señales fisiológicas que incorpora nuevos algoritmos y métodos de procesamiento para monitorizar la carga cognitiva en el trabajo
Es bien conocido que hay trabajos que requieren de una concentración y un estrés por encima de la media, por ejemplo, en situaciones de alto riesgo, que exigen mucho tiempo, o que requieren realizar múltiples tareas. Un caso de estos sería el de los bomberos, donde sus cometidos se desarrollan en ambientes tanto cambiantes como diversos. Nadie duda de que lleven a buen puerto sus acciones y puedan completar su tarea, mitigando los riesgos y, sobre todo, los efectos sobre las personas y el medioambiente.
No obstante, este trabajo, aparte de requerir una destreza admirable, también depende para su buen desarrollo de lo que se llama la "carga cognitiva" de la persona, como se ha advertido en varios estudios. La carga cognitiva es un estado definido por un agotamiento derivado del esfuerzo mental al estar expuesto a una tarea estresante de manera continuada. Un bombero en un estado de alta carga cognitiva no podrá hacer un buen uso de las herramientas y técnicas por lo que puede, no sólo comprometer su propia vida, sino la de otras personas.
"La carga cognitiva es un estado definido por un agotamiento derivado del esfuerzo mental al estar expuesto a una tarea estresante de manera continuada. Un bombero en un estado de alta carga cognitiva no podrá hacer un buen uso de las herramientas y técnicas por lo que puede, no sólo comprometer su propia vida, sino la de otras personas", comenta Rodrigo Mariño, investigador de la UPM.
Esto dio pie a que el ESL iniciase un estudio de monitorización de un piloto de dron, tarea que deben realizar los bomberos durante horas en busca de personas que necesitan ayuda en un incendio forestal.
En la ciudad suiza de Lausana trabaja el grupo de investigación Embedded Systems Laboratory (ESL) de la École Polytechnique Fédérale de Lausanne, dirigido por David Atienza. Hasta allí se desplazó Rodrigo Mariño, miembro del Centro de Electrónica Industrial (CEI) de la UPM, para colaborar en la investigación del grupo a través de una estancia.
Esta colaboración tenía un objetivo: desarrollar un sistema que utilizase inteligencia artificial, en concreto aprendizaje automático (machine learning en inglés), para saber cuándo una persona se encontraba en un episodio de alta carga cognitiva.
"Desarrollamos múltiples experimentos, dando como resultado un sistema final muy satisfactorio, capaz de reconocer correctamente los episodios en un 76% de los casos y que puede ser autónomo durante 14 horas aproximadamente"
"Muchas veces la inteligencia artificial provee de soluciones gracias a grandes computadores, pero eso no parece viable entre llamas y sin conexión a la red eléctrica. La inteligencia artificial no sería suficiente para resolver el problema, por lo menos exclusivamente. Se necesitaba una solución que pudiese, a la vez, ser llevada por una persona durante su jornada laboral y ejecutase el algoritmo de inteligencia artificial", señala Mariño.
Esto llevó a la creación de un dispositivo vestible (wearable en inglés) que recoge información de la persona (por ejemplo, sudoración, frecuencia cardiaca, incluso la respiración) sin interferir en su tarea y que pudiese ser autónomo.
"Desarrollamos múltiples experimentos, dando como resultado un sistema final muy satisfactorio, capaz de reconocer correctamente los episodios en un 76% de los casos y que puede ser autónomo durante 14 horas aproximadamente", indican los autores del estudio. "Esto permite a los bomberos tener un indicador de cómo se encuentran durante su misión. Pero no sólo eso, también pueden ser monitorizados por una estación base y, de esta forma, les permite mandar refuerzos si lo necesitan", concluye el investigador del CEI-UPM.