Wissenschaftler von MIT haben eine Technologie entwickelt, die dem Röntgenbild unserer Science-Fiction-Superhelden bemerkenswert ähnlich ist. Das Projekt des Labors für Informatik und künstliche Intelligenz CSAIL verwendet künstliche Intelligenz KI, um drahtlosen Geräten das Erkennen der Körperhaltung von Menschen beizubringenund Bewegung, auch von der anderen Seite einer Wand.
Die MIT-Wissenschaftler sagen, dass das Projekt „RF-Pose“ zur Überwachung von Patienten mit Krankheiten wie Parkinson, Multipler Sklerose MS und Muskeldystrophie verwendet werden könnte. Durch die Verfolgung von Bewegungen können Ärzte das Fortschreiten der Krankheit besser verstehenund Medikamente und Pflege entsprechend anpassen.
Technologie könnte kranken und älteren Menschen helfen
Das Unterrichten von drahtlosen Geräten zur Verfolgung von Bewegungen könnte auch älteren Menschen helfen, länger unabhängig zu leben, indem sie die Art und Weise überwachen, wie sie den Raum nutzen, Stürze verfolgen oder Menschen auf störende Änderungen der Aktivitätsmuster aufmerksam machen. Die KI-Ingenieure arbeiten mit Ärzten zusammen, um dies zu untersuchendas volle Potenzial der Anwendungen von RF-Pose.
Die Technologie verwendet ein neuronales Netzwerk, um Funksignale zu analysieren, die vom Körper von Menschen abprallen. Aus diesen Signalen wird eine dynamische Strichmännchen erstellt, die die Bewegungen des Ziels nachahmt.
Die Forscher sind sich bewusst, wie gruselig das Projekt klingen kann, und haben bereits Sicherheitsvorkehrungen getroffen. Alle vom drahtlosen Gerät gesammelten Daten können nur mit Zustimmung des Probanden erfasst werden. Anschließend werden diese Daten anonymisiert und verschlüsselt, um die Privatsphäre der Benutzer zu schützen.
Sobald die Technologie in reale Anwendungen integriert ist, müssen Benutzer anderen Parteien die Einwilligung erteilen, auf ihre Bewegungsdaten zugreifen zu können. “Wir haben gesehen, dass die Überwachung der Gehgeschwindigkeit und der Fähigkeit der Patienten, grundlegende Aktivitäten selbst auszuführen, die Gesundheit fördertPflegedienstleister ein Fenster in ihr Leben, das sie vorher nicht hatten, was für eine ganze Reihe von Krankheiten von Bedeutung sein könnte “ sagt Laborleiter Dina Katabi.
„Ein wesentlicher Vorteil unseres Ansatzes besteht darin, dass Patienten keine Sensoren tragen oder daran denken müssen, ihre Geräte aufzuladen.“ Traditionell werden Daten an neuronale Netze weitergeleitet, die von Menschen von Hand beschriftet wurden.
Um beispielsweise einem neuronalen Netzwerk das Erkennen einer Katze beizubringen, würden Wissenschaftler Bilder zeigen, die entweder als "Katze" oder "nicht als Katze" bezeichnet sind. Funksignale können jedoch vom Menschen nicht einfach beschriftet werden.
Um diese Veränderung zu überwinden, sammelten die Wissenschaftler Tausende von Proben von Menschen, die sowohl von ihrem drahtlosen Gerät als auch von einer Kamera aus gingen und sich bewegten und saßen. Anschließend extrahierten sie eine einfache Strichmännchen aus dem Videomaterial und zeigten die Strichmännchen und die entsprechenden Funksignale andas neuronale Netzwerk, um es zu lehren, Bewegungen zu erkennen.
Durch die Verwendung sowohl der Strichmännchen als auch des Funksignals konnte das neuronale Netzwerk die Korrelation zwischen beiden verstehen. Nach einer intensiven Trainingsphase konnte das neuronale Netzwerk die Bewegung von Personen nur anhand der Funksignale erkennen, die es beim Abprallen von ihnen erkannteKörper.
Geräte, die Wissen verallgemeinern können, um durch Wände zu sehen
Ein überraschendes Ergebnis für die Wissenschaftler war die Fähigkeit des Netzwerks, durch Wände zu sehen. Da sie erwarteten, dass die Technologie stärker von der Kamera abhängt, waren sie angenehm überrascht, als das Netzwerk weiterhin Bewegungen durch Wände durch Verallgemeinerung erkennen konnteWissen.
„Wenn Sie sich das Computer-Vision-System als Lehrer vorstellen, ist dies ein wirklich faszinierendes Beispiel dafür, dass der Schüler den Lehrer übertrifft“, sagt der MIT-Wissenschaftler. Professor Antonio Torralba.
Via : MIT