Etrafımızda akan ve vücudumuzdan atlayan kablosuz sinyaller dünyasında yaşıyoruz. MIT araştırmacıları; bilim insanlarına ve bakıcılara insanların davranışları ve sağlıkları hakkında değerli bilgiler sağlamak için bu sinyal yansımalarından yararlanıyor.
“Marko” adı verilen sistem; düşük güçlü bir radyo frekansı (RF) sinyalini bir ortama iletir. Hareket eden bir insandan sıçradıysa, sinyal belirli değişikliklerle sisteme geri dönecektir. Yeni algoritmalar daha sonra bu değişen yansımaları analiz eder ve bunları belirli bireylerle ilişkilendirir.
Sistem; her bir bireyin dijital kat planı etrafındaki hareketini izler. Bu hareket kalıplarını diğer verilerle eşleştirmek, insanların birbirleriyle ve çevre ile nasıl etkileşimde bulundukları hakkında görüş sağlayabilir.
Bilgi İşlem Sistemlerinde İnsan Faktörleri Konferansı’nda sunulan bir bildiride, araştırmacılar sistemi ve onun gerçek dünyada kullanımını altı yerde açıkladı: İki destekli yaşam tesisi, çiftlerin yaşadığı üç daire ve dört sakinli bir şehir evi…Vaka çalışmaları, sistemin yalnızca kablosuz sinyallere dayanarak, bireyleri ayırt etme yeteneğini gösterdi ve bazı faydalı davranış kalıpları ortaya çıkardı.
Yardımlı bir yaşam tesisinde; hastanın ailesi ve bakıcılarının izniyle, araştırmacılar; bilinmeyen nedenlerden dolayı sık sık rahatsız olan, demanslı bir hastayı izlediler. Bir ay boyunca, hastanın ünitelerinin alanları arasındaki artmış pacing’ini (ilerlemesini) ölçtüler. Hastada gözlemlenen bilinen bir ajitasyon belirtisiydi. Artan pacing’i ziyaretçi günlüğü ile eşleştirerek; hastanın aile ziyaretlerini takip eden günlerde daha fazla ajite edildiğini belirlediler. Araştırmacılar, Marko’nun evde hastaların fonksiyonel sağlık profillerini takip etmek için yeni ve pasif bir yol sağlayabileceğini gösteriyor.
Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) Öğrencisi Araştırmacı Chen-Yu Hsu: “Bunlar veriler aracılığıyla keşfettiğimiz ilginç parçalardır. Bir kablosuz sinyal denizinde yaşıyoruz ve etrafta dolaşma şeklimiz bu yansımaları değiştiriyor. İnsanların davranışlarını ve sağlığını daha iyi anlamak için bu yansımaları dinleyen sistemi geliştirdik.”
“İzlerini” ve Kimlikleri Tahmin Etmek
Bir evde konuşlandırıldığında, Marko; bir RF sinyali verir. Sinyal geri döndüğünde; insanların üç boyutlu bir alanda bulunduğunu gösteren dikey ve yatay “çerçeveler” şeklinde kesilmiş, bir tür ısı haritası oluşturur. İnsanlar haritada parlak damlalar gibi görünür. Dikey çerçeveler; kişinin yüksekliğini yakalar ve kişiyi oluşturur. Yatay çerçeveler ise; genel konumlarını belirler. Bireyler yürürken; sistem “iz bırakma” adı verilen kısa yörüngeler üretmek için RF karelerini (saniyede yaklaşık 30) analiz eder.
Bir evrimsel sinir ağı (yaygın olarak görüntü işleme için kullanılan bir makine öğrenme modeli) bu izcileri; yansımayı belirli bireyler tarafından ayırmak için kullanır. Algıladığı her birey için sistem; bireyin etrafındaki küçük daireler olan iki “filtreleme maskesi” oluşturur. Bu maskeler temelde; bireyin yörüngesine ve hareket ettikçe yüksekliğine kilitlenen dairenin dışındaki tüm sinyalleri filtreler. Tüm bu bilgileri (yükseklik, yapı ve hareket) birleştirmek için ağ; belirli RF yansımalarını belirli bireylerle ilişkilendirir.
Ancak bu isimsiz blobların (sistem kişileri damla şeklinde görüntüler) kimliklerini etiketlemek için; sistem önce “eğitilmiş” olmalıdır. Birkaç gün boyunca, bireyler yansıyan radyo sinyallerini kendi kimlikleriyle etiketlemek için kullanılabilen, düşük güçlü ivmeölçer sensörlerini kullanır. Eğitimde konuşlandırıldığında; Marko ilk önce pratikte olduğu gibi kullanıcıların izlerini oluşturur. Ardından, bir algoritma; bazı hızlanma özelliklerini hareket özellikleriyle ilişkilendirir. Örneğin, kullanıcılar yürüdüklerinde; hızlanma adımlarla salınır, ancak durduklarında düz bir çizgi haline gelir. Algoritma, hızlanma verileri ile izleyici arasındaki en iyi eşleşmeyi ve izleyiciyi; kullanıcının kimliğiyle etiketleyen etiketler arasında bulunur. Bunu yaparken, Marko hangi sinyalleri yansıttığını belirli özdeşliklerle ilişkilendirdiğini öğrenir.
Sensörler asla şarj edilmek zorunda değildir ve eğitimden sonra bireylerin tekrar giymeleri gerekmez. Ev dağıtımlarında Marko; yeni evlerde bulunan kişilerin kimliklerini yüzde 85 ile 95 arasında bir doğrulukla etiketleyebildi.
İyi Bir Dengeye (Veri Toplama) Dikkat Çekmek
Araştırmacılar sağlık kuruluşlarının; hastaların aile ve bakıcılarla nasıl etkileşime girdiğini ve hastaların zamanında ilaç alıp almadıklarını pasif olarak izlemek için Marko’yu kullanacağını umuyorlar. Örneğin, yardımlı bir yaşam tesisinde araştırmacılar; bir hemşirenin bir hastanın odasındaki ilaç dolabına ve daha sonra da hastanın yatağına gideceği belirli zamanları kaydetti. Bu, hemşirenin belirli zamanlarda hastanın ilaçlarını verdiğini göstermiştir.
Sistem aynı zamanda; psikologlar veya davranış bilimcileri tarafından şu anda çalışma konularının aile dinamikleri, günlük programları veya uyku düzenleri hakkında veri toplamak için diğer davranışların yanı sıra, kullanılan anketlerin ve günlüklerin yerini alabilir. Bu geleneksel kayıt yöntemleri yanlış olabilir, önyargı içerebilir ve insanların günler ya da haftalar önce yaptıklarını hatırlamaları gerekebilecek uzun süreli çalışmalar için uygun değildir. Bazı araştırmacılar; insanları hareketi ve biyometriyi izlemek için giyilebilir sensörlerle donatmaya başladılar. Ancak yaşlı hastalar; özellikle de sık sık onları giymeyi veya şarj etmeyi unuturlar.
Hsu: “Buradaki motivasyon araştırmacılar için daha iyi araçlar tasarlamaktır..”
Neden sadece kamera takılmıyor? Yeni başlayanlar için, bu gerekli tüm bilgileri izleyen ve manuel olarak kaydeden birisini gerektirir. Öte yandan, Marko; otomatik olarak belirli alanlara, günlere ve saatlere davranış, uyku ve etkileşim gibi davranış kalıplarını etiketler.
Hsu: “Çoğu insan, özellikle kendi evlerinde, her zaman filme çekilme düşüncesiyle o kadar da rahat değildirler. Bütün bu işleri yapmak için radyo sinyallerini kullanmak; bir miktar yardımcı olmak arasında iyi bir denge kuruyor. Bilgi, ancak insanları rahatsız etmeyerek sağlanır.”
Katabi ve öğrencileri, Marko’yu; etrafındaki radyo sinyallerinden nefes alma ve kalp atış hızı çıkarımı konusundaki önceki çalışmaları ile birleştirmeyi planlıyorlar. Marko; daha sonra bu biyometreleri karşılık gelen kişilerle ilişkilendirmek için kullanılacaktır. Ayrıca, yaşlı hastalarda fonksiyonel sağlığın iyi bir göstergesi olan insanların yürüme hızlarını da izleyebilir.
Cambridge Üniversitesi Bilgisayar Bilimi ve Teknolojisi Mobil Sistemler Profesörü Cecilia Mascolo: “Buradaki potansiyel çok büyük… Kameralar aracılığıyla görüntülemeye gelince, kullanıcı gizliliği perspektifinden çok hoşlanan, daha az veri bakımından zengin ve daha hedefli bir bilgi toplama modeli sunuyor. Bununla birlikte, toplanan veriler hala çok zengin ve kağıt değerlendirme doğruluğunu gösteriyor. Örneğin yaşlı bakımı, ıbbi bağlılık takibi ve hatta hastane bakımı gibi çok sayıda yararlı uygulamayı mümkün kılabilir.
Ancak, bir topluluk olarak, bu tür bir teknolojinin getirdiği gizlilik risklerinin farkında olmamız gerekiyor. Verilerin gizli kalmasını sağlamak için bazı hesaplama tekniklerinin dikkate alınması gerekir. “
Comments