李飞飞团队研发家庭AI系统，可监测独居老人新冠症状人工智能在该领域发挥作用吗？当地时间4月6日，在斯坦福大学以人为中心的人工智能研究所（HAI）的一场直播中，斯坦福大学计算机科学教授李飞飞向外界介绍了人工智能家居系统。它可以跟踪居民的健康状况，包括COVID-19的症状，同时确保隐私。这个人工智能系统的目的是帮助大多数独居的老年人与家人或医疗护理人员保持联系。保护老年人的最佳方法是减少与人的接触，尤其是那些尚未出现症状的COVID-19感染者。李飞飞团队介绍，这套居家系统的优势在于，可以让看护者远程监控老人的现有疾病和基本健康状况，降低暴露风险。李飞飞和她的团队在现场演讲中介绍，在新冠肺炎疫情爆发之前，这个系统就已经由临床医生和计算机科学家组成的跨学科研究团队开发。“在过去的几年里，我们一直致力于开发一种人工智能系统，可以帮助老年人独立生活并管理他们的慢性病。最近我们意识到，这项技术也可以在COVID-19大流行期间帮助老年人。”李飞飞在致辞中说道。据李飞飞介绍，整个家庭AI系统包括安装在家里的摄像头和智能传感器。李飞飞在演讲中提到了四种类型的传感器，包括摄像头、深度传感器、热传感器和可穿戴传感器。整个团队的研究主要集中在前三个方面。由于隐私在该系统中非常重要，因此对相机的研究更具挑战性。“摄像头可以揭示个人活动的详细信息，但不能满足大多数人的隐私需求。”李菲菲说道。整个系统如何运作以及如何确保隐私？李飞飞在致辞中一一介绍。当传感器获取数据时，系统会将其发送到安全的中央服务器进行处理。不过在这个过程中，李飞飞也承认，现阶段还存在安全隐患，比如网络攻击的威胁。但她强调，研究人员在整个过程中都遵循隐私和安全准则。团队为边缘设备配备加密磁盘，用于删除与用户隐私相关的数据，进行人脸模糊处理，加密后再传输到云端。一旦数据到达服务器，临床医生和人工智能专家团队就会对其进行分析和注释，以开发机器学习模型。经过训练的模型可以识别临床相关行为，包括呼吸、睡眠、进食等。李飞飞表示，该团队目前正在开发涉及日常生活活动的模型，可以计算用户的健康状况是否正在恶化。但这个模型并不是对用户所有日常活动的深入和广泛的分析，需要在隐私和公共安全之间找到平衡点。经过训练的模型可以部署到边缘设备并在本地运行。这样，研究团队构建了一个闭环系统，数据安全也能得到保障。但这个闭环系统无法进一步更新和改进模型。为了解决这个问题，李飞飞提到，团队正在设想使用联合学习和无监督学习，即在没有人工标注的情况下，更新每个边缘设备上的模型以使用新环境并提高鲁棒性。通过联合学习，团队可以限制对设备的安全攻击，以减少对云的隐私和安全威胁。最后，系统需要一种方式将智能传感器的结果传达给医护人员或家庭成员。李飞飞表示，团队目前还没有找到具体的解决方案，但正在考虑使用手机应用或网页界面。“这些传感器并不是为了做出诊断决定或取代临床医生，而是可以持续存在，以密切关注我们家中的老人，并及时提醒临床医生和家人。”在演讲快要结束时，李飞飞说：“当然，我们必须在这项研究和这项技术的部署过程中的每一步都考虑到伦理、隐私和安全方面的考虑。”当前COVID-19大流行带来的挑战不仅包括确保老年人的安全和健康，还包括更广泛和更紧急地追踪应该隔离的疾病和人群。当被问及这个系统是否也能解决这个问题时，李飞飞表示团队不愿意涉足这个领域。“我们的目标是提出尖端的计算机视觉和机器学习技术，以帮助解决医疗保健中一些最重要和最具挑战性的问题，同时为人工智能医疗保健研究提出伦理、隐私和安全指南，”李飞飞说。目前，该项目尚处于研究阶段。整个团队还需要完成数据集的构建和模型工作，团队没有透露需要多少时间才能完成。然而，该团队已经与致力于提供优质养老服务的美国公司安乐合作，在旧金山的一家辅助生活设施完成了一项试点研究，并将进入下一阶段的研究。
