Rádiové signály spojené s umelou inteligenciou umožnili expertom urobiť niečo fascinujúce. Môžete vidieť ľudí, ktorí sa pohybujú na druhej strane steny. Teda vidíte ich v podobe kostry. A hoci by tento typ technológie chcela mať každá policajná zásahová jednotka ešte predtým, ako vykopne pri zásahu dvere, technológia už bola použitá prekvapivo na monitoring pohybu pacientov s Parkinsonovou chorobou v ich domovoch.
Záujem o tento typ technológie sa datuje desaťročia, hovorí Dina Katabi, vedúca projektu a profesorka elektrotechniky a informatiky na MIT. Avšak v minulosti aj najlepšie systémy dokázali vytvoriť len rozmazaný tvar osoby za stenou.
Teraz je technológia schopná odhaliť ľudí presnejšie: zobrazuje ľudí na scéne ako kostrové figúrky a dokáže ich zobraziť ako sa pohybujú v reálnom čase, ako robia bežné činnosti, ako napríklad chodia alebo sedia. Zameriava sa na kľúčové body tela, vrátane kĺbov ako sú lakte, boky a nohy. Keď človek – buď uzavretý múrmi alebo nie – urobí krok, „uvidíte, že kostra alebo postavička, ktorú ste vytvorili, urobí krok s ním,“ hovorí profesorka Katabi. „Ak osoba sedí, uvidíte, že postavička sedí.“
Ako to funguje
Rádiový signál, ktorý používajú, je podobný Wi-Fi, ale je podstatne menej výkonný. Systém funguje, pretože tieto rádiové vlny môžu preniknúť cez objekty, ako je stena, potom sa odrazia od ľudského tela – čo je väčšinou voda, „nepriateľ“ pre prienik rádiových vĺn – a cestujú späť cez stenu k zariadeniu. „A teraz je výzva: Ako to interpretujete?“, hovorí expertka Katabi. To je ten moment, kde umelá inteligencia vstupuje do hry, t.j. konkrétne machine learning tool v podobe neurónovej siete.
Spôsob, akým vedci z oblasti AI trénujú neurónovú sieť – ktorá si môže odvodiť svoje vlastné pravidlá z dát, aby sa učila – je taký, že jej poskytnú anotované (komentované) informácie. Ide o proces, ktorý sa nazýva supervised learning (učenie pod dohľadom). Chcete naučiť samoriadiace auto ako vyzerá semafor? Ukážete mu obrázky, ktoré obsahujú semafory, a označíte ich tak (komentujete, anotácia), aby ukázali AI, kde je na nich zobrazené svetlo semaforu. Neurónové siete sa bežne používajú na interpretáciu obrázkov, ale môžu sa použiť aj na vykonávanie zložitých úloh, ako je preklad z jedného jazyka do druhého, alebo dokonca generovanie nového textu imitáciou daných dát.
Ale v tomto prípade vedci z MIT mali problém. „Nikto nemôže vziať rádiový signál a označiť ho tam, kde je hlava, kde sú kĺby a podobne,“ hovorí. Inými slovami povedané, označenie obrázku je jednoduché, označovanie dát rádiovej vlny, ktorá sa odrazila od nejakej osoby, už nie až tak.
Ich riešenie bolo, len na obdobie učenia, spojili vlny s kamerou a potom označili obrázky, ktoré kamera vytvorila, aby pomohli neurónovej sieti zosúladiť aktivity. To sa muselo urobiť bez steny, tak aby kamera mohla skutočne vidieť osobu. Skrátka využívali tieto označenia z kamery spolu s rádiovým signálom súbežne a využívali to na samotný tréning AI.
Výsledky boli prekvapujúce, keď zistili, že aj keď systém bol vytrénovaný len s ľuďmi viditeľnými (nie uzavretí stenou), dokázal odhaliť ľudí, ktorí boli skrytí. „Technológia bola schopná vidieť a vytvoriť postavu človeka za stenou, hoci počas tréningu ju nikdy nevidela“, hovorí profesorka z MIT.
Pomocou inej neurónovej siete by systém mohol vidieť chodiacich ľudí, a neskôr, v nových prípadoch týkajúcich sa rovnakých ľudí, by bol schopný identifikovať rovnakých jednotlivcov s presnosťou viac ako 83 percent, dokonca aj cez stenu.
Ako sa bude používať?
Vedci už začali používať systém v malej štúdii s Parkinsonovou chorobou. Umiestnením zariadení do domova pacientov mohli sledovať ich pohyby v pohodlnom prostredí bez použitia kamier – v tomto zmysle to bol menej invazívny spôsob učenia sa niekoho pohybu tela, než by bolo tradičné video. Táto štúdia zahŕňala sedem ľudí a trvala osem týždňov.
Výsledky mali „vysokú koreláciu“ so štandardným dotazníkom používaným na hodnotenie pacientov, Tiež odhalili ďalšie informácie o kvalite života pacienta s Parkinsonovou chorobou – správanie a funkčný stav. Nadácia Michael J. Fox financuje ďalší výskum. Monitorovanie takýchto pacientov môže pomôcť vyhnúť sa „syndrómu bielych kabátov“, keď sa pacienti počas príležitostnej vizity pred doktormi správajú odlišne. To všetko síce vyvoláva otázniky ohľadom ochrany súkromia, ale profesorka Katabi tvrdí, že technológia bola použitá len so súhlasom pacientov.
