Умные часы следят за каждым движением пользователя

Умные часы следят за каждым движением пользователя

Умные часы следят за каждым движением пользователя

Куда деть в спортзале телефон, банковскую карту, паспорт и наличные? Платёжный оператор Visa недавно выяснил, что 32% опрошенных прячут деньги и ценные вещи в носках и обуви, 24% – в нижнем белье, а 18% попросту держат их в руках.

В этой ситуации очень полезно было бы избавиться хотя бы от телефона. К счастью, "умные" часы (смарт-часы) давно переместились из научно-фантастического кино в повседневность. Крошечный гаджет на запястье неплохо заменяет смартфон: он умеет проверять почту и социальные сети и делать много других полезных вещей. Например, считать пульс или количество шагов, что очень важно для поклонников фитнеса, пишет vesti.ru.

До сих пор такие гаджеты умели распознавать только очень ограниченный набор видов физической активности – например, ходьбу или определённые упражнения. Дело в том, что девайс мог только сравнивать поступающие данные с образцами, которые были загодя вложены в него программистами. Между тем человеческая активность очень разнообразна и к тому же изменчива, она плохо укладывается в заранее заготовленные шаблоны.

В то же время давно существуют технологии машинного обучения, позволяющие компьютеру самостоятельно строить "картину мира" на основе поступающих данных. Нейронные сети пишут музыку, сортируют гербарии и даже следят за тем, чтобы медперсонал обрабатывал руки. Теперь они могут ещё и научиться отличать чистку зубов от нарезки овощей.

Новый подход к распознаванию движений был разработан исследовательской группой под руководством Дэниэля Роггена (Daniel Roggen) из Университета Сассекса. Алгоритм отслеживает движения тела в реальном времени и накапливает опыт, отмечая, когда человек начинает заниматься новым видом деятельности. Он различает даже то, сидит тот или лежит. Кроме того, система не обращает внимания на паузы: несколько серий шагов, прерванные небольшими периодами отдыха, будут восприниматься как одна прогулка, а не как разные.

"Этот новый метод обнаружения активности рисует гораздо более богатую, точную картину повседневной жизни человека", – отмечает Рогген.

Такая информация будет полезна не только спортсменам, но и врачам, в частности нейробиологам. В эпоху экзоскелетов и кибернетических протезов детальное изучение человеческих движений актуально как никогда.

Подробности исследования будут представлены на Международном симпозиуме по носимым компьютерам (International Symposium on Wearable Computers), который пройдёт 11–17 сентября 2017 года на Гавайях, США.

Отметим, что распознавание движений – это огромная и быстро развивающаяся область. Например, уже существует система, которая отслеживает движения головы водителя и может предвидеть его ошибки. Однако это технология не так уж безобидна: не так давно была продемонстрирована троянская программа, которая определяет набираемые PIN-коды по движениям руки владельца "умных часов". Впрочем, конкретно эта проблема легко решаема: достаточно носить часы на ноге.

Подпишитесь на новости

Заблокировать 95% VPN с помощью ИИ собирались власти в России

Искусственному интеллекту подыскали ещё одну работу — вычислять VPN, которые не поймали обычными средствами. При подготовке национального плана внедрения ИИ до 2030 года обсуждалось применение нейросетей для повышения эффективности блокировок до 95%.

Как выяснил «Коммерсантъ», в проекте предлагалось анализировать с помощью ИИ признаки 70% блокируемых VPN-сервисов.

Однако Минцифры заявило, что в актуальной версии документа этой меры нет. По словам источника издания, сейчас трафик уже проверяют интеллектуальные алгоритмы, но к ИИ они не относятся.

Нейросеть могла бы искать VPN по косвенным признакам соединений. Проблема в том, что похожим образом могут выглядеть корпоративные подключения, облачные сервисы и голосовая связь.

Одна ошибка фильтра, и вместо обходного сервиса отваливается рабочий инструмент. Эксперты предупреждают: на больших объёмах трафика даже небольшая доля ошибок способна затронуть множество легитимных соединений.

Поэтому один из предложенных подходов — поручить модели поиск подозрительных узлов, а блокировать их после отдельной проверки.

RSS: Новости на портале Anti-Malware.ru