- Spojení nositelné elektroniky a umělé inteligence skýtá velký potenciál
- Nová vědecká studie odhalila, jak velké pozitivní dopady by toto spojení mohlo mít
Kombinace nositelné elektroniky a umělé inteligence je spojení, které v dnešním světě dává patrně největší smysl. Chytré hodinky či fitness náramky jsme si zvykli nosit ve dne v noci, přičemž dat, která o nás tato zařízení sbírají, je poměrně hodně. S jejich vyhodnocením to už taková sláva není, a i když se výrobci snaží nám s interpretací nasbíraných dat pomoci, k dokonalosti to má ještě daleko. Malou revoluci by v tomto ohledu mohla způsobit umělá inteligence, která je právě na takové vyhodnocování dlouhodobých trendů a interpretaci dat jako dělaná.
Apple Watch s AI dokáží predikovat zdravotní obtíže
Jako jeden z prvních pomocníků v této oblasti by mohly být chytré hodinky Apple Watch, respektive některý z budoucích modelů, který by integroval umělou inteligenci, alespoň s tím přišli výzkumníci v rámci nové vědecké studie. Ta nese název Beyond Sensor Data: Foundation Models of Behavioral Data from Wearables Improve Health Predictions (v překladu Na pozadí senzorových dat: základní modely behaviorálních dat z nositelných zařízení zlepšují zdravotní předpovědi) a ukazuje to na příkladu modelu strojového učení, který analyzuje chování uživatele a upozorňuje na potenciální zdravotní problémy.
Na rozdíl od předchozích metod vychází tato nejen ze sledování výstupů senzorů v reálném čase, kupříkladu srdečního tepu či okysličení krve, ale také z analýzy pohybu, spánku a cvičení v průběhu času. Ústředním bodem výzkumu byl takzvaný Wearable Behavior Model (WBM – model chování pro nositelnou elektroniku), který analyzuje počet kroků, délku spánku, variabilitu srdečního tepu a mobilitu, které jsou kalkulovány algoritmy Apple Watch. Výzkumníci přišli na to, že AI model na těchto základech dokáže přesněji předpovídat možná zdravotní rizika.
WBM vykazoval obzvláště dobré výsledky při identifikaci tzv. statických zdravotních stavů, jako je například to, zda osoba užívá beta-blokátory, a rovněž i přechodných zdravotních stavů, jako je kvalita spánku, nebo infekce dýchacích cest. V případě detekce těhotenství dosáhl model v kombinaci s tradičními biometrickými údaji v hybridním přístupu až 92% přesnosti. Model byl trénován na více než 2,5 miliardách hodin dat, která vyhodnocoval s ohledem na 57 různých potenciálních zdravotních rizik. Jestli se ale někdy objeví v praxi, je otázkou, nicméně tato studie poukazuje na možný vývoj využití nositelné elektroniky a umělé inteligence do budoucna.
