数据观世界

X射线透视长期以来似乎是一个牵强附会的科幻幻想，但在过去十年中，由麻省理工学院计算机科学与人工智能实验室（CSAIL）的Dina Katabi教授领导的团队不断让我们更接近拥有透过墙壁观察物体的本领。他们最新的项目"RF-Pose"使用人工智能（AI）技术来帮助无线设备进行学习，以感知人们的姿势和运动状态，甚至在隔着墙壁的情况下也可以做到。

研究人员使用神经网络分析从人体反射的无线电信号，然后可以创建一个动态的棒状图形来模拟人的身体，这些棒状图形可以同步墙壁另一面的人在进行的动作，如行走、'站立、坐下以及其他各种身体动作。

该团队表示，RF-Pose可用于监测帕金森病，多发性硬化症（MS）和肌肉萎缩症等疾病，从而更好地了解疾病进展，并允许医生相应地调整药物。它还可以帮助老年人更加独立地生活，同时为跌倒、受伤和其他动作的变化提供额外的安全监控。该团队目前正与医生合作探索RF-Pose在医疗保健方面的应用。

团队收集的所有数据都经过主体同意，并且是匿名和加密的，以保护用户隐私。对于未来的实际应用程序，他们计划实施"同意机制"，其中安装设备的人员被指示执行一组特定的移动，以便开始监视环境。

已经可以看到，监测患者的行走速度和自己做基本活动的能力，为医疗保健提供者提供了一个他们以前没有的生活窗口，这对于各种疾病都是有意义的，该方法的一个关键优势是患者不必佩戴传感器或给他们的穿戴设备充电。除了医疗保健外，该团队还表示，RF-Pose还可用于新型视频游戏，玩家可以在家中移动，甚至可以在搜索和救援任务中帮助找到幸存者。

该团队成员将于本月晚些时候在犹他州盐湖城举行的计算机视觉与模式识别会议（CVPR）上对该项技术成果进行展示。目前，研究人员必须解决的一个挑战是，大多数神经网络都是使用人工标记的数据进行训练的。例如，训练识别猫的神经网络要求人们查看大量图像数据集，并将每个图像标记为"猫"或"非猫"。但是，无线电信号却不容易被人类标记。

为了解决这个问题，研究人员使用他们的无线设备和相机收集了一些例子。他们收集了成千上万的人们做的事情，比如走路，说话，坐着，打开门，等待电梯。然后，他们使用来自相机的这些图像来提取棒图，它们与相应的无线电信号一起显示给神经网络。这种示例组合使得系统能够学习无线电信号与场景中人物的简笔画之间的关联。

在训练后，RF-Pose能够仅使用从人体反弹的无线反射来估计一个人的姿势和动作，此过程无需使用摄像头。由于摄像机无法通过墙壁看到，因此神经网络从未明确地接受过墙壁另一侧的数据培训，这便是令人惊叹的地方，神经网络可以概括其知识，以便能够处理墙壁另一侧人体的运动。

"如果你认为计算机视觉系统是教师，这是一个真正神奇的例子，表明了学生的表现优于教师，"托拉尔巴说。

除了感知运动外，作者还表明他们可以使用无线信号在一百个人的阵容中准确识别出83％的人。这种能力对于搜索和救援行动的应用特别有用，因为知道特定人的身份可能会有所帮助。该团队还致力于创建能够反映更小微动的三维表示。例如，它可能能够看到老年人的手是否经常颤抖以至于判断他们是否需要进行检查。

通过使用无线信号视觉数据和人工智能的这种组合来透视墙壁，我们可以实现更好的场景理解和更智能的环境，让人们过上更安全，更智能化的生活。但这项技术如果投入家用，或者被更普遍的使用，是否会涉及到更多的隐私问题？各位看官们怎么看？我是不希望我隔壁的人使用这种设备。

END