В MIT разработали ИИ, который может «видеть» людей сквозь стены

Радиосигналы в сочетании с искусственным интеллектом позволили исследователям сделать что-то необычное: скелето-подобное представления людей, движущихся по другую сторону стены. Это звучит как новая технология, которую команда спецназа хотела бы использовать перед тем, как выбить дверь злоумышленника, но она уже использовалась для наблюдения за передвижениями больных с диагнозом Паркинсона в их домах.

Данной технологией интересуются уже более десяти лет, говорит Дина Катаби, старший научный сотрудник по проекту, профессор электротехники и информатики в Массачусетском технологическом институте.

«Был большой проект Управления министерства обороны США DARPA, который работал над попытками обнаружения людей через стены, используя беспроводные сигналы, — говорит она. — Но перед самым последним исследованием лучшим результатом могло бы стать обнаружение силуэта человека за стеной.»

Теперь технология способна выявить что-то более точное: она изображает людей на экране как скелето-подобные фигуры и может показать их движение в реальном времени. Она фокусируется на ключевых точках тела, включая суставы, такие как локти, бедра и ноги. Когда человек за стеной делает шаг, «вы видите, что скелет или фигура, которую вы создали, делает шаг вместе с ним», — говорит Дина Катаби. «Если человек садится, вы видите, что фигура сидит».

Как это работает

Радиосигнал, который используются, похож на Wi-Fi, но существенно менее мощный.

Система работает, потому что радиоволны могут проникать сквозь объекты, такие как стена, а затем отражаться от человеческого тела, которое в большей степени состоит из воды, проходя назад через стену к принимающему устройству.

«Проблема заключается в следующем: как расшифровывать полученную информацию?» — говорит Катаби.

В этом случае и используется AI (ИИ, искусственный интеллект), в частности, инструмент машинного обучения, называемый нейронной сетью.

Способ, которым исследователи искусственного интеллекта обучают нейронную сеть, которая может выводить свои собственные правила из данных, чтобы учиться — это подавать ей аннотированную информацию. Этот процесс называется контролируемым обучением. Хотите, чтобы самоуправляемый автомобиль знал, как выглядит светофор? Покажите изображения, которые включают светофоры, и интерпретируйте их. Нейронные сети обычно используются для интерпретации изображений, но также могут быть использованы для выполнения сложных задач, таких как перевод с одного языка на другой, или даже генерации нового текста путем обработки данных, которые ему заданы.

Но в данном случае у них была проблема. Никто не может взять радиосигнал и пометить его, где голова, где суставы, и тому подобное. Другими словами: маркировка изображения проста, а вот маркировка данных радиоволн, которые отразились от человека, нет.

Решение на период обучения состояло в том, чтобы соединить полученные с видеокамеры и радиолокатора данные, которые будут фиксировать перемещения людей и их позы. Все это должно было быть сделано без стены, чтобы камера могла всё видеть.

После обучения они с удивлением обнаружили, что, хотя система обучалась только на видимых людях, она могла обнаружить людей, которые были скрыты за стеной.

«Технология смогла увидеть и создать фигуру человека за стеной», — говорит Катаби.

Мало того, она может даже узнавать людей по их походке. С помощью нейронной сети система может идентифицировать людей через стены с точностью более 83 процентов.

Как это будет использоваться?

Ученые уже начали использовать систему в небольшом исследовании с пациентами Паркинсона. Поместив устройства в дома с больными, они могли контролировать их движения, не используя камеры. В этом смысле это менее инвазивный способ узнать о движениях кого-то, чем традиционное видео. В этом исследовании участвовало семь человек и продолжалось оно восемь недель.

Результаты имели «высокую корреляцию» со стандартным опросником, используемым для оценки пациентов. Кроме того, они раскрыли дополнительную информацию о качестве жизни больных с диагнозом Паркинсона — об их поведении и функциональном состоянии.

Фонд Майкла Дж. Фокса финансирует дальнейшие исследования; мониторинг таких пациентов может помочь избежать «синдрома белого халата», когда пациенты действуют по-разному перед врачами во время случайного посещения.Все это поднимает вопросы конфиденциальности, но Катаби говорит, что данная технология не предназначена для использования на людях без их согласия.