如何使用人工智能來(lái)發(fā)揮傳感器數據的協(xié)同作用？

人工智能(AI)目前正在為社會(huì )的方方面面帶來(lái)革新。比如，通過(guò)結合數據挖掘和深度學(xué)習的優(yōu)勢，如今可以利用人工智能來(lái)分析各種來(lái)源的大量數據，識別各種模式、提供交互式理解和進(jìn)行智能預測。

這種創(chuàng )新發(fā)展的一個(gè)例子就是將人工智能應用于由傳感器生成的數據，尤其是通過(guò)智能手機和其他消費者設備所收集的數據。運動(dòng)傳感器數據以及其他信息比如GPS地址，可提供大量不同的數據集。因此，問(wèn)題在于：如何使用人工智能才能充分發(fā)揮這些協(xié)同作用?

運動(dòng)數據分析

一個(gè)說(shuō)明性的的真實(shí)應用程序將可以通過(guò)分析使用數據來(lái)確定用戶(hù)在每個(gè)時(shí)間段的活動(dòng)，無(wú)論是在坐姿、走路、跑步或者睡眠情況下。

在這種情況下，智能產(chǎn)品的好處不言而喻：

1. 提高客戶(hù)生命周期價(jià)值

提高用戶(hù)參與度可以降低客戶(hù)流失率。

2. 更具競爭力的產(chǎn)品定位

下一代智能產(chǎn)品滿(mǎn)足消費者日益增長(cháng)的期待。

3. 為終端用戶(hù)創(chuàng )造真正的價(jià)值

對室內運動(dòng)的準確檢測和分析可實(shí)現靈敏的導航功能、進(jìn)行健康風(fēng)險監控，同時(shí)提高設備的效率。  對多種智能手機和可穿戴平臺實(shí)際使用情景的深度掌握，將大大有助于產(chǎn)品設計師了解用戶(hù)的重復習慣和行為，例如確定正確的電池尺寸或確定推送通知的正確時(shí)機。

智能手機制造商對于人工智能功能的興趣正濃，這也正突出了識別簡(jiǎn)單日?；顒?dòng)，如步數的重要性，這必將發(fā)展為更為深入的分析，例如體育活動(dòng)。對于像足球這樣的流行體育運動(dòng)，產(chǎn)品設計師不會(huì )只著(zhù)眼于運動(dòng)員，而是會(huì )為更多的人提供便利，比如教練、球迷甚至是廣播公司和運動(dòng)服裝設計公司等大型公司。這些公司將從深層次的數據分析中獲益，從而可以準確量化、提高和預測運動(dòng)表現。

數據獲取和預處理

在識別這一商機之后，下一個(gè)合理的步驟就是思考如何有效收集這些巨大的數據集。

比如在活動(dòng)跟蹤方面，原始數據通過(guò)軸向運動(dòng)傳感器得以收集，例如智能手機、可穿戴設備和其他便攜式設備中的加速度計和陀螺儀。這些設備以完全隱蔽的方式獲取三個(gè)坐標軸(x、y、z)上的運動(dòng)數據，即以便于用戶(hù)應用的方式連續跟蹤和評估活動(dòng)。

訓練模型

對于人工智能的監督式學(xué)習，需要用標記數據來(lái)訓練“模型”，以便分類(lèi)引擎可以使用此模型對實(shí)際用戶(hù)行為進(jìn)行分類(lèi)。舉例來(lái)說(shuō)，我們從正在進(jìn)行跑步或是走路的測試用戶(hù)那里收集運動(dòng)數據，并把這些信息提供給模型來(lái)幫助其學(xué)習。

由于這基本上是一種一次性方法，簡(jiǎn)單的應用程序和照相系統就可以完成給用戶(hù)“貼標簽”的任務(wù)。我們的經(jīng)驗表明，隨著(zhù)樣本數量的增加，在分類(lèi)上的人為錯誤率隨之減少。因此，從有限數量的用戶(hù)那里獲取更多的樣本集比從大量用戶(hù)那里獲得較小的樣本集更有意義。

只獲取原始傳感器數據是不夠的。我們觀(guān)察到，要實(shí)現高度準確的分類(lèi)，需要仔細確定一些特征，即系統需要被告知對于區分各個(gè)序列重要的特征或者活動(dòng)。人工學(xué)習的過(guò)程具有反復性，在預處理階段，哪些特征最為重要還尚未明確。因此，設備必須要依據可能對分類(lèi)準確性有影響的專(zhuān)業(yè)知識進(jìn)行一些猜測。

為了進(jìn)行活動(dòng)識別，指示性特征可以包括“濾波信號”，例如身體加速(來(lái)自傳感器的原始加速度數據)或“導出信號”，例如高速傅里葉變換(FFT)值或標準差計算。

舉例來(lái)說(shuō)，加州大學(xué)歐文分校的機器學(xué)習數據庫(UCI)創(chuàng )建了一個(gè)定義了561個(gè)特征的數據集，這個(gè)數據集以30名志愿者的六項基本活動(dòng)，即站立、坐姿、臥姿、行走、下臺階和上臺階為基礎。

模式識別和分類(lèi)

收集了原始運動(dòng)數據之后，我們需要應用機器學(xué)習技術(shù)來(lái)將其分類(lèi)并進(jìn)行分析?？晒┪覀兪褂玫臋C器學(xué)習技術(shù)從邏輯回歸到神經(jīng)網(wǎng)絡(luò )等不一而足。

支持向量機(SVMs)就是這樣一個(gè)應用于人工智能的學(xué)習模型。身體活動(dòng)，比如走路包括了由多種運動(dòng)構成的序列，由于支持向量機擅長(cháng)于序列分類(lèi)，因此它是進(jìn)行活動(dòng)分類(lèi)的合理選擇。

支持向量機的使用、培訓、擴展和預測均十分簡(jiǎn)單，所以可以輕松地并列設置多個(gè)樣本采集實(shí)驗，以用于處理復雜的現實(shí)生活數據集的非線(xiàn)性分類(lèi)。支持向量機還可實(shí)現多種不同的尺寸和性能優(yōu)化。

確定一項技術(shù)后，我們必須為支持向量機選擇一個(gè)軟件圖書(shū)館。開(kāi)源庫LibSVM是一個(gè)很好的選擇，它非常穩定并且有詳細的記錄，支持多類(lèi)分類(lèi)，并提供所有主要開(kāi)發(fā)者平臺從MATLAB到Android的拓展。

持續分類(lèi)的挑戰

在實(shí)踐中，用戶(hù)在移動(dòng)的同時(shí)，使用中的設備要進(jìn)行實(shí)時(shí)分類(lèi)來(lái)進(jìn)行活動(dòng)識別。為了將產(chǎn)品成本降到最低，我們需要在不影響結果也就是信息質(zhì)量的前提下，平衡傳輸、存儲和處理的成本。

假設我們可以負擔數據傳輸的費用，所有數據都可以在云端上獲得存儲和處理。實(shí)際上，這會(huì )為用戶(hù)帶來(lái)巨大的數據費用，用戶(hù)的設備當然要連接互聯(lián)網(wǎng)，無(wú)線(xiàn)網(wǎng)絡(luò )、藍牙或4G模塊的費用不可避免地將進(jìn)一步提升設備成本。

更糟糕的是，在非城市地區，3G網(wǎng)絡(luò )的訪(fǎng)問(wèn)效果通常不理想，例如徒步旅行、騎自行車(chē)或游泳時(shí)。這種對云端的大量數據傳輸的依賴(lài)會(huì )使更新變慢，并且需要定期同步，從而大大抵消人工智能運動(dòng)分析帶來(lái)的實(shí)際益處。與之相反，僅在設備的主處理器上處理這些操作會(huì )明顯導致耗電量的增加，并且減少其他應用的執行周期。同理，將所有數據都儲存在設備上會(huì )增加存儲成本。

化圓為方

為了解決這些彼此沖突的問(wèn)題，我們可以遵循四個(gè)原則：

1. 拆分：將特征處理從分類(lèi)引擎的執行中拆分。

2. 減少：智能選擇準確的活動(dòng)識別所需的特征，來(lái)減少存儲和處理的需求量。

3. 使用：使用的傳感器須能夠以較低耗電量獲取數據、實(shí)施傳感器融合(將多個(gè)傳感器的數據結合在一起)，并且能夠為持續執行進(jìn)行特征預處理。

4. 保留：保留能夠確定用戶(hù)活動(dòng)的系統支持性數據的模型。

通過(guò)將特征處理與分類(lèi)引擎的執行拆分，與加速度和陀螺儀傳感器連接的處理器可以小得多。這有效避免了將實(shí)時(shí)數據塊連續傳輸到更強大的處理器的需求。諸如用于將時(shí)間域信號變換為頻率域信號的高速傅里葉變換的特征處理將需要低功耗融核處理器，以執行浮點(diǎn)運算。

此外，在現實(shí)世界中，單個(gè)傳感器存在物理限制，并且其輸出隨時(shí)間發(fā)生偏差，例如由于由焊接和溫度引起的偏移和非線(xiàn)性縮放。為了補償這種不規則性，需要傳感器融合，以及快速、內聯(lián)和自動(dòng)的校準。

活動(dòng)分類(lèi)的功能流程

此外，所選擇的數據捕獲速率可以顯著(zhù)影響所需的計算和傳輸量。通常來(lái)說(shuō)，50Hz采樣率對于正常的人類(lèi)活動(dòng)就足夠了。但在對快速移動(dòng)的活動(dòng)或運動(dòng)進(jìn)行分析時(shí)，需要200 Hz的采樣率。同樣地，為了取得更快的響應時(shí)間，可以安裝2kHz單獨加速計來(lái)確定用戶(hù)目的。

結論

總而言之，科技發(fā)展現在已經(jīng)達到在便攜式設備上運行高級人工智能來(lái)分析運動(dòng)傳感器的數據的程度。這些現代傳感器以低功耗運行，而傳感器融合和軟件分區則明顯提高了整個(gè)系統的效率和可行性，同時(shí)也大大簡(jiǎn)化了應用程序開(kāi)發(fā)。

為了補充傳感器的基礎架構，我們利用開(kāi)源庫和最佳實(shí)踐來(lái)優(yōu)化特征提取和分類(lèi)。

為用戶(hù)提供真正的個(gè)性化體驗已成為現實(shí)，通過(guò)人工智能，系統可以利用由智能手機、可穿戴和其他便攜設備的傳感器所收集的數據，為人們提供更多深度功能。未來(lái)幾年，一系列現在還難以想象的設備和解決方案將會(huì )得到更多發(fā)展。人工智能和傳感器為設計師和用戶(hù)打開(kāi)了一個(gè)充滿(mǎn)了激動(dòng)人心的機會(huì )的新世界。