Para muchos de nosotros, nuestras microondas y lavavajillas no son lo primero que se nos viene a la mente al recopilar información de salud, excepto que (es posible) que necesitemos quitarnos los bolsillos calientes y vaciar los platos de manera oportuna.

Pero tal vez lo reconsideremos pronto, gracias a una nueva investigación del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT. El sistema, llamado ‘Sapple’, analiza el uso de electrodomésticos para comprender mejor nuestros patrones de salud, utilizando solo señales de radio y un medidor de electricidad inteligente.

El nuevo modelo de aprendizaje automático, que extrae información de dos sensores internos, examina el uso de objetos cotidianos como microondas, estufas e incluso secadores de pelo, y puede detectar dónde y cuándo se utiliza un dispositivo en particular.

Por ejemplo, para una sola persona mayor, los patrones de uso del dispositivo de aprendizaje pueden ayudar a sus cuidadores a comprender su capacidad para realizar diversas actividades de la vida diaria, con el objetivo de ayudar a asesorar sobre patrones saludables. Estos pueden incluir higiene personal, vestirse, comer, mantener la continencia y movilidad.

«Este sistema utiliza datos de detección pasiva y no requiere que las personas cambien su forma de vida», dijo el candidato a doctorado del MIT Chen-Yu Hsu, autor principal de un nuevo artículo sobre Sapple. «Tiene potencial para mejorar cosas como el ahorro y la eficiencia energética, brindarnos una mejor comprensión de las actividades diarias de las personas mayores solteras y brindar información sobre el análisis de comportamiento para entornos inteligentes».

De los dos sensores, el ‘sensor de ubicación’ usa señales de radio para detectar la ubicación y cubre aproximadamente 40 pies, o lo suficiente como para cubrir un apartamento típico de una habitación. Un usuario puede caminar por su departamento para configurar el sensor, lo que le permite comprender los límites físicos, y luego el sensor puede limitarse a esa área específica.

El equipo dice que el sistema puede ser útil durante la pandemia de Covid-19, que está ganando interés sensación de salud sin contacto y comportamientos. Pueden imaginarse utilizando datos de sensores pasivos para liberar a los cuidadores para que visiten poblaciones de mayor riesgo y minimicen el contacto personal general.

Sapple proviene del creciente cuerpo de investigación del equipo centrado en el uso de la detección inalámbrica para comprender mejor nuestros complejos cuerpos humanos, como un ‘GPS’ en el cuerpo sensor con el fin de controlar tumores o proporcionar medicamentos, sistema inalámbrico inteligente para el hogar para el monitoreo de enfermedades y ayudar a las personas mayores «en su lugar», y un sistema diferente para medida corredor para ayudar a controlar y diagnosticar diversas afecciones.

El trabajo previo para enseñar el uso de dispositivos ha analizado el uso de datos de energía de un medidor de energía. Pero este enfoque hace que los detalles de burlas sean un desafío porque los datos de energía son una mezcla de los patrones de múltiples dispositivos, todos juntos.

Los enfoques no controlados, aquellos en los que los datos de entrenamiento no están etiquetados, suponen que se desconocen los patrones de los dispositivos individuales. Pero dado que el medidor de energía mide la energía total utilizada por la casa, es muy difícil aprender dispositivos individuales o detectarlos de manera efectiva.

Sapple permanece en el reino no controlado: no da por sentado que conocemos los patrones de los dispositivos individuales, sino que utiliza los datos de un segundo sensor para aprender los patrones de uso propio del dispositivo. Por ejemplo, el sensor de ubicación registra el movimiento de una persona cuando se acerca a un microondas, coloca comida y lo enciende. Luego, el modelo analiza los datos y aprende cuándo se encienden dispositivos específicos y cuáles son sus ubicaciones en una casa.

Además de la salud, Sapple puede ayudar a reducir nuestra gran huella en el mundo natural. Al analizar el patrón de uso de los dispositivos dentro de los hogares, el sistema se puede utilizar para fomentar comportamientos de ahorro de energía y mejorar el pronóstico y la entrega de servicios públicos.

El equipo señala que abordar su sistema resuelve algunos de los problemas que pueden ser difíciles para los sensores de interior. Por ejemplo, usar los datos de ubicación no siempre significa usar el dispositivo porque las personas pueden pararse junto a un dispositivo sin usarlo. Además, muchos electrodomésticos, como los refrigeradores, usan su energía y crean «eventos de fondo», y puede haber datos de ubicación de varias personas en una casa, pero no todos están relacionados con el uso de electrodomésticos. Sapple resuelve estos problemas aprendiendo cuándo los dos sensores son flujos relacionados y usándolos para descubrir cuándo se encienden los dispositivos y sus ubicaciones.

«Como la detección de la ubicación en interiores puede volverse tan común como el Wi-Fi en el futuro, la esperanza es que nuestra tecnología pueda aplicarse sin esfuerzo a todos los lugares con medidores de energía», dice Hsu. “Esto podría habilitar nuevas aplicaciones para sensores pasivos de salud en los hogares. Por ejemplo, las empresas de servicios públicos podrían reducir la demanda máxima al proporcionar comentarios personalizados, optimizar la generación y el suministro de energía y, en última instancia, mejorar la eficiencia energética. «

Hsu co-escribió el documento con los estudiantes de doctorado CSAIL Abbas Zeitoun y Guang-He Lee, así como con los profesores del MIT Dina Katabi y Tommi Jaakkola. Presentaron el documento prácticamente en la conferencia internacional sobre representaciones de aprendizaje.



Source link