麻省理工學院建構真正具智慧化的智慧家庭系統—智慧感測系統
科技產業資訊室 (iKnow) - Gloria 發表於 2021年9月23日
圖、麻省理工學院建構真正具智慧化的智慧家庭系統—智慧感測系統
簡單來說， MIT-IBM Watson AI Lab實驗室正在研究下一代無線感測器和機器學習模型，它們可以根據每一個人或家庭生活型態，進行更個性化的預測。
例如：感測器可以判斷主人是否已經醒來並開始自動煮咖啡，而不需要人們設定在特定時間響鈴的通知。此外，可以監控獨居老人，並在生命體徵或飲食習慣發生變化時，提醒家庭醫生或護理人員。最重要的是，人們可不需要佩戴任何裝置或感測器的情況下，系統就可採取行動。
為了達到這一理想，MIT正在開發“非接觸式”感測器，也就是智慧感測系統（Intelligent Sensing System）。其可以通過分析，並從人們身體反射回來的無線電訊號來追踪人們的運動、活動和生命體徵。這一種感測器還能與家中的其他感測器通訊，使其能夠分析人們如何與家中的電器進行互動。例如：通過將家中的用戶位置數據與來自家庭智慧電錶的電源訊號相結合，進而判斷電器何時被使用並測量其能耗。在所有情況下，這一感測器與共同開發的機器學習模型都會分析無線電波和功率訊號，以獲取有關人們如何與其他人及其裝置進行互動之高階資訊。
與穿戴式裝置不同的是，這隱形特質的感測系統不需要佩戴裝置，而是透過機器學習與無線感測就可以理解人與人之間的互動，不像透過相機模組必須擷取人們的臉孔或人們穿著的情況下，才能夠擁有足夠的高階資訊。這讓其對人們侵入性的威脅變少了。
換個角度來說，無論是從穿戴式感測器、還是從背景感測器收集的無線訊號，都讓現今深度學習模型受到了限制。因為其處理的大多是影像、語音和書面文字。因此，在MIT-IBM Watson AI Lab的一個專案中，正在開發新模型來解釋無線電波、加速度數據和一些醫療數據，希望以一種無監督的方法在沒有標記數據的情況下訓練這些模型。
以目前得知，建構“隱形”感測系統最難的部分是，要透過創新改變技術的廣度，這涵蓋感測器硬體、無線網路和機器學習方面；還有，對於性能和安全要求也頗高。（802字）
參考資料：
Q&A: Dina Katabi on a “smart” home with actual intelligence. MIT, 2021/9/7
相關文章：
1. 亞馬遜, 蘋果和谷歌共推Matter智慧家庭標準, 這表示市場將起飛了嗎?
2. 環境智能與AI正改變智慧家庭未來面貌
3. 智慧家庭處於破碎混亂，未來須要統一平台與智慧環境
4. 全球智慧家庭產品市場規模2021年可達1210億美元，成長率達32.3%
5. 蘋果於WWDC 2021揭露新智慧家庭策略，往更開放方向前進
6. 蘋果智慧音箱配備顯示器成為智慧家庭成功之關鍵
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|