CNET科技資訊網(wǎng) 8月17日 國際報道:對許多人來說,可穿戴設(shè)備似乎是可有可無,但在做運動或日常任務(wù)時,它們能帶來額外的便利。
不過,這些設(shè)備目前觸及的僅僅是可穿戴設(shè)備所能實現(xiàn)功能的表面,研究人員和科學(xué)家們正在諸多項目中使用這項技術(shù),從利用大數(shù)據(jù)幫助診斷和治療疾病,到使用智能手機和藍牙信標(biāo)為盲人出行指路,均有涉及。
其中有一個研究項目涉及到一位蘭卡斯特大學(xué)的研究人員,他與英國自閉癥項目慈善組織Autism Initiatives合作,旨在通過打造連接設(shè)備來幫助自閉癥患者。自閉癥病情的發(fā)展會影響人們對世界的感知以及與他人的互動,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項目所要幫助的群體。
Clasp項目團隊領(lǐng)導(dǎo)人兼蘭卡斯特大學(xué)計算和通信學(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,因為有時候他們的病情很難檢測和診斷。”
該項目的首個實體是將一個游戲控制器轉(zhuǎn)化為一個“數(shù)字壓力球”,讓用戶在感到焦慮時擠壓它。從這些交互中收集的數(shù)據(jù)會通過配套應(yīng)用記錄下來,隨后再用這些信息找出導(dǎo)致焦慮的原因以及發(fā)生的時間。
弗拉里奧表示:“如果擠壓時間較長,那將意味著他們當(dāng)時很焦慮,而且這一信息會傳遞出來,應(yīng)用會將其接收。同時,我們有一個社交網(wǎng)絡(luò)系統(tǒng)作為該應(yīng)用的一部分,無論何時,當(dāng)一個人分享他的位置或焦慮狀態(tài)時,這些信息就會被收錄。”
然而,她還表示,這個項目現(xiàn)在還處于初始階段,因為“人們并不特別愿意將自己最脆弱時所處的位置數(shù)據(jù)分享給他們并不認識或不相信的人。”
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。該研究小組還意識到壓力球并不是用來記錄交互的最佳連接設(shè)備。
蘭卡斯特大學(xué)計算與通信學(xué)院副研究員兼Clasp項目技術(shù)主管威爾·西姆(Will Simm)博士說道:“我們發(fā)現(xiàn)壓力球?qū)芏嗳硕疾贿m用,帶著它與人進行對話會略有些尷尬,而且它的大小和形狀也一直是個問題。”
該項目的第二代產(chǎn)品是讓人們通過自定義的方式設(shè)計,選擇他們認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腕帶,它與一個中央計算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,系到一個腰帶上,或拿在他們手中,然后在他們很高興或焦慮時用力拉或擠壓它們。這些行為會生成數(shù)據(jù)通過藍牙即時傳送到電腦上,這樣,無論用戶在什么時候見到一個研究員,他都可以幫助他們分析引發(fā)響應(yīng)的情況。
他補充道:“我們會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)可視化平臺上顯示出來,幫助他們識別并理解自己在某一特定時間產(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。
西姆說道:“自閉癥患者往往有著積極的人生觀,但他們往往并不會去回憶某件事情發(fā)生的具體時間;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,可以讓用戶在無需大聲說出來的情況下表達他們的感受。
弗拉里奧表示:“物理相互作用所表現(xiàn)出來的狀態(tài)能夠超過語言,尤其是焦慮的那些時刻,它可以體現(xiàn)一個非常抽象的概念,也可以體現(xiàn)一種勢不可擋的心理狀態(tài)。而通過語言實現(xiàn)這一點相當(dāng)困難。”
此外,當(dāng)用戶坐下來與其支持者討論他們?yōu)槭裁锤杏X焦慮時,不僅能夠為研究人員提供分析數(shù)據(jù),而且從長遠來看,這種聯(lián)系也為一些用戶帶來了直接利益,他們會認為佩戴這一裝置對他們而言是有用的。
西姆表示:“通過這種方式,讓他們在焦慮時又清楚知道這種焦慮會被設(shè)備記錄下來,足以讓他們擺脫當(dāng)時的焦慮狀態(tài)。過去他們變得焦慮時沒有釋放途徑,現(xiàn)在,通過與設(shè)備的交互,了解到它被記錄下來,這些將鼓勵他們繼續(xù)前行。”
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。