CNET科技資訊網 8月17日 國際報道:對許多人來說,可穿戴設備似乎是可有可無,但在做運動或日常任務時,它們能帶來額外的便利。
不過,這些設備目前觸及的僅僅是可穿戴設備所能實現(xiàn)功能的表面,研究人員和科學家們正在諸多項目中使用這項技術,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基于可穿戴設備研究的Clasp項目所要幫助的群體。
Clasp項目團隊領導人兼蘭卡斯特大學計算和通信學院研究員瑪麗亞·安吉拉·弗拉里奧(Maria Angela Ferrario)博士向ZDNet網站表示:“現(xiàn)在,有很多圍繞孩子的研究和服務,但關于成年人,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)會通過配套應用記錄下來,隨后再用這些信息找出導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,那將意味著他們當時很焦慮,而且這一信息會傳遞出來,應用會將其接收。同時,我們有一個社交網絡系統(tǒng)作為該應用的一部分,無論何時,當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,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備。
蘭卡斯特大學計算與通信學院副研究員兼Clasp項目技術主管威爾·西姆(Will Simm)博士說道:“我們發(fā)現(xiàn)壓力球對很多人都不適用,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。”
該項目的第二代產品是讓人們通過自定義的方式設計,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備。”
研究人員很快得知,人們會通過不同的方式佩戴其設備,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)響應的情況。
他補充道:“我們會突出他們過去使用該設備的次數(shù),并討論他們使用它的情況。這將有助于揭示關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;可視化技術在此真的大有裨益。”
通過可穿戴設備發(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)這一點相當困難。”
此外,當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備記錄下來,足以讓他們擺脫當時的焦慮狀態(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
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。