麻省理工学院建构真正具智慧化的智慧家庭系统—智慧传感系统
https://bit.ly/3ABmRIf
MIT教授Dina Katabi正在建构一个具真正智慧的无线系统，希望将智慧家庭带入真正“智
慧化”，而不是现今亚马逊、谷歌或苹果，期望融合自己产品结合语音助理来操控的智慧
家庭方式。
简单来说， MIT-IBM Watson AI Lab实验室正在研究下一代无线传感器和机器学习模型，
它们可以根据每一个人或家庭生活型态，进行更个性化的预测。
例如：传感器可以判断主人是否已经醒来并开始自动煮咖啡，而不需要人们设定在特定时
间响铃的通知。此外，可以监控独居老人，并在生命体征或饮食习惯发生变化时，提醒家
庭医生或护理人员。最重要的是，人们可不需要佩戴任何装置或传感器的情况下，系统就
可采取行动。
为了达到这一理想，MIT正在开发“非接触式”传感器，也就是智慧传感系统（
Intelligent Sensing System）。其可以通过分析，并从人们身体反射回来的无线电讯号
来追踪人们的运动、活动和生命体征。这一种传感器还能与家中的其他传感器通讯，使其
能够分析人们如何与家中的电器进行互动。例如：通过将家中的用户位置数据与来自家庭
智慧电表的电源讯号相结合，进而判断电器何时被使用并测量其能耗。在所有情况下，这
一传感器与共同开发的机器学习模型都会分析无线电波和功率讯号，以获取有关人们如何
与其他人及其装置进行互动之高阶资讯。
与穿戴式装置不同的是，这隐形特质的传感系统不需要佩戴装置，而是透过机器学习与无
线传感就可以理解人与人之间的互动，不像透过相机模组必须撷取人们的脸孔或人们穿着
的情况下，才能够拥有足够的高阶资讯。这让其对人们侵入性的威胁变少了。
换个角度来说，无论是从穿戴式传感器、还是从背景传感器收集的无线讯号，都让现今深
度学习模型受到了限制。因为其处理的大多是影像、语音和书面文字。因此，在MIT-IBM
Watson AI Lab的一个专案中，正在开发新模型来解释无线电波、加速度数据和一些医疗
数据，希望以一种无监督的方法在没有标记数据的情况下训练这些模型。
以目前得知，建构“隐形”传感系统最难的部分是，要透过创新改变技术的广度，这涵盖
传感器硬件、无线网络和机器学习方面；还有，对于性能和安全要求也颇高。