CNET科技資訊網(wǎng) 8月17日 國(guó)際報(bào)道:對(duì)許多人來(lái)說(shuō),可穿戴設(shè)備似乎是可有可無(wú),但在做運(yùn)動(dòng)或日常任務(wù)時(shí),它們能帶來(lái)額外的便利。
不過,這些設(shè)備目前觸及的僅僅是可穿戴設(shè)備所能實(shí)現(xiàn)功能的表面,研究人員和科學(xué)家們正在諸多項(xiàng)目中使用這項(xiàng)技術(shù),從利用大數(shù)據(jù)幫助診斷和治療疾病,到使用智能手機(jī)和藍(lán)牙信標(biāo)為盲人出行指路,均有涉及。
其中有一個(gè)研究項(xiàng)目涉及到一位蘭卡斯特大學(xué)的研究人員,他與英國(guó)自閉癥項(xiàng)目慈善組織Autism Initiatives合作,旨在通過打造連接設(shè)備來(lái)幫助自閉癥患者。自閉癥病情的發(fā)展會(huì)影響人們對(duì)世界的感知以及與他人的互動(dòng),患有自閉癥的人更容易受到極端焦慮和社交尷尬的影響。
如今,自閉癥通常在幼年時(shí)期就能確診,但在過去,人們往往不容易理解這種病情,因此,患有自閉癥的成年人往往缺乏支持,尤其是那些直到最近才被確診患有該病的高功能自閉癥患者。而這些人正是蘭卡斯特大學(xué)基于可穿戴設(shè)備研究的Clasp項(xiàng)目所要幫助的群體。
Clasp項(xiàng)目團(tuán)隊(duì)領(lǐng)導(dǎo)人兼蘭卡斯特大學(xué)計(jì)算和通信學(xué)院研究員瑪麗亞·安吉拉·弗拉里奧(Maria Angela Ferrario)博士向ZDNet網(wǎng)站表示:“現(xiàn)在,有很多圍繞孩子的研究和服務(wù),但關(guān)于成年人,特別是年齡靠后的成年人,他們往往很難逾越這道鴻溝,因?yàn)橛袝r(shí)候他們的病情很難檢測(cè)和診斷。”
該項(xiàng)目的首個(gè)實(shí)體是將一個(gè)游戲控制器轉(zhuǎn)化為一個(gè)“數(shù)字壓力球”,讓用戶在感到焦慮時(shí)擠壓它。從這些交互中收集的數(shù)據(jù)會(huì)通過配套應(yīng)用記錄下來(lái),隨后再用這些信息找出導(dǎo)致焦慮的原因以及發(fā)生的時(shí)間。
弗拉里奧表示:“如果擠壓時(shí)間較長(zhǎng),那將意味著他們當(dāng)時(shí)很焦慮,而且這一信息會(huì)傳遞出來(lái),應(yīng)用會(huì)將其接收。同時(shí),我們有一個(gè)社交網(wǎng)絡(luò)系統(tǒng)作為該應(yīng)用的一部分,無(wú)論何時(shí),當(dāng)一個(gè)人分享他的位置或焦慮狀態(tài)時(shí),這些信息就會(huì)被收錄。”
然而,她還表示,這個(gè)項(xiàng)目現(xiàn)在還處于初始階段,因?yàn)?ldquo;人們并不特別愿意將自己最脆弱時(shí)所處的位置數(shù)據(jù)分享給他們并不認(rèn)識(shí)或不相信的人。”
于是,該研究小組吸取這些教訓(xùn),并用它們開發(fā)了一個(gè)新系統(tǒng),適用更多可定制化的可穿戴設(shè)備。該研究小組還意識(shí)到壓力球并不是用來(lái)記錄交互的最佳連接設(shè)備。
蘭卡斯特大學(xué)計(jì)算與通信學(xué)院副研究員兼Clasp項(xiàng)目技術(shù)主管威爾·西姆(Will Simm)博士說(shuō)道:“我們發(fā)現(xiàn)壓力球?qū)芏嗳硕疾贿m用,帶著它與人進(jìn)行對(duì)話會(huì)略有些尷尬,而且它的大小和形狀也一直是個(gè)問題。”
該項(xiàng)目的第二代產(chǎn)品是讓人們通過自定義的方式設(shè)計(jì),選擇他們認(rèn)為最適合自己的方式使用它。
西姆表示:“我們提出了組件工具包的想法,它們可以搭配用戶自己的個(gè)性化傳感器一同使用,用戶可以將其佩戴在自己喜歡的任何位置,以他們的方式描述自己的焦慮。”
首批原型之一是一個(gè)腕帶,它與一個(gè)中央計(jì)算pod共同組成,旨在讓用戶自定義與其相連的傳感器。
西姆說(shuō)道:“我們希望能盡可能讓它們可用且可自定義,所以我們采用了一些類似于3D打印的技術(shù)和開源編程環(huán)境,旨在能進(jìn)一步將其自定義化,讓用戶打造他們自己的設(shè)備。”
研究人員很快得知,人們會(huì)通過不同的方式佩戴其設(shè)備,例如將它纏繞在手腕上,系到一個(gè)腰帶上,或拿在他們手中,然后在他們很高興或焦慮時(shí)用力拉或擠壓它們。這些行為會(huì)生成數(shù)據(jù)通過藍(lán)牙即時(shí)傳送到電腦上,這樣,無(wú)論用戶在什么時(shí)候見到一個(gè)研究員,他都可以幫助他們分析引發(fā)響應(yīng)的情況。
他補(bǔ)充道:“我們會(huì)突出他們過去使用該設(shè)備的次數(shù),并討論他們使用它的情況。這將有助于揭示關(guān)于他們焦慮體驗(yàn)的不同層次。有一些人表示,它有助于他們更加理解他們的焦慮。”
我們會(huì)通過數(shù)字化的方式獲取用戶與設(shè)備之間的交互,然后在數(shù)據(jù)可視化平臺(tái)上顯示出來(lái),幫助他們識(shí)別并理解自己在某一特定時(shí)間產(chǎn)生更多焦慮的原因,并在研究人員的支持下討論其潛在原因。
西姆說(shuō)道:“自閉癥患者往往有著積極的人生觀,但他們往往并不會(huì)去回憶某件事情發(fā)生的具體時(shí)間;可視化技術(shù)在此真的大有裨益。”
通過可穿戴設(shè)備發(fā)出自己感到焦慮的信號(hào),可以讓用戶在無(wú)需大聲說(shuō)出來(lái)的情況下表達(dá)他們的感受。
弗拉里奧表示:“物理相互作用所表現(xiàn)出來(lái)的狀態(tài)能夠超過語(yǔ)言,尤其是焦慮的那些時(shí)刻,它可以體現(xiàn)一個(gè)非常抽象的概念,也可以體現(xiàn)一種勢(shì)不可擋的心理狀態(tài)。而通過語(yǔ)言實(shí)現(xiàn)這一點(diǎn)相當(dāng)困難。”
此外,當(dāng)用戶坐下來(lái)與其支持者討論他們?yōu)槭裁锤杏X焦慮時(shí),不僅能夠?yàn)檠芯咳藛T提供分析數(shù)據(jù),而且從長(zhǎng)遠(yuǎn)來(lái)看,這種聯(lián)系也為一些用戶帶來(lái)了直接利益,他們會(huì)認(rèn)為佩戴這一裝置對(duì)他們而言是有用的。
西姆表示:“通過這種方式,讓他們?cè)诮箲]時(shí)又清楚知道這種焦慮會(huì)被設(shè)備記錄下來(lái),足以讓他們擺脫當(dāng)時(shí)的焦慮狀態(tài)。過去他們變得焦慮時(shí)沒有釋放途徑,現(xiàn)在,通過與設(shè)備的交互,了解到它被記錄下來(lái),這些將鼓勵(lì)他們繼續(xù)前行。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。