麻省理工學院建構真正具智慧化的智慧家庭系統—智慧感測系統
https://bit.ly/3ABmRIf
MIT教授Dina Katabi正在建構一個具真正智慧的無線系統，希望將智慧家庭帶入真正「智
慧化」，而不是現今亞馬遜、谷歌或蘋果，期望融合自己產品結合語音助理來操控的智慧
家庭方式。
簡單來說， MIT-IBM Watson AI Lab實驗室正在研究下一代無線感測器和機器學習模型，
它們可以根據每一個人或家庭生活型態，進行更個性化的預測。
例如：感測器可以判斷主人是否已經醒來並開始自動煮咖啡，而不需要人們設定在特定時
間響鈴的通知。此外，可以監控獨居老人，並在生命體徵或飲食習慣發生變化時，提醒家
庭醫生或護理人員。最重要的是，人們可不需要佩戴任何裝置或感測器的情況下，系統就
可採取行動。
為了達到這一理想，MIT正在開發“非接觸式”感測器，也就是智慧感測系統（
Intelligent Sensing System）。其可以通過分析，並從人們身體反射回來的無線電訊號
來追踪人們的運動、活動和生命體徵。這一種感測器還能與家中的其他感測器通訊，使其
能夠分析人們如何與家中的電器進行互動。例如：通過將家中的用戶位置數據與來自家庭
智慧電錶的電源訊號相結合，進而判斷電器何時被使用並測量其能耗。在所有情況下，這
一感測器與共同開發的機器學習模型都會分析無線電波和功率訊號，以獲取有關人們如何
與其他人及其裝置進行互動之高階資訊。
與穿戴式裝置不同的是，這隱形特質的感測系統不需要佩戴裝置，而是透過機器學習與無
線感測就可以理解人與人之間的互動，不像透過相機模組必須擷取人們的臉孔或人們穿著
的情況下，才能夠擁有足夠的高階資訊。這讓其對人們侵入性的威脅變少了。
換個角度來說，無論是從穿戴式感測器、還是從背景感測器收集的無線訊號，都讓現今深
度學習模型受到了限制。因為其處理的大多是影像、語音和書面文字。因此，在MIT-IBM
Watson AI Lab的一個專案中，正在開發新模型來解釋無線電波、加速度數據和一些醫療
數據，希望以一種無監督的方法在沒有標記數據的情況下訓練這些模型。
以目前得知，建構“隱形”感測系統最難的部分是，要透過創新改變技術的廣度，這涵蓋
感測器硬體、無線網路和機器學習方面；還有，對於性能和安全要求也頗高。