厉害了！未来可穿戴设备将可以分析你的情绪或者健康状况.doc

《厉害了！未来可穿戴设备将可以分析你的情绪或者健康状况.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、厉害了！未来可穿戴设备将可以分析你的情绪或者健康状况　　由于麻省理工学院和杜比实验室的研究人员和其他同仁的努力，不久的将来可以通过可穿戴设备分析阅读和情绪。　　　　如果你想象一下，当你家大哥带着Alexa、Watson或者其他尚未开发的未来派可穿戴设备观察分析你的情绪或者健康状况时，是不是还是觉得有点可怕？一位神经科学的学者认为，我们离我们的设备或者那些安装在我们身边的设备开始收集我们的信息的时刻已经不远了。杜比实验室的首席科学家PoppyCrum说，我们身体发出了各种信号，都是可以通过先进的计算机系统进行扫描和分析的。你有没有被吓到啊？Crum在最近的一次演讲中表示，与

2、已有的可穿戴设备类似，未来的设备可以设置在整个公共空间收集这些有价值的生物数据。因为他们是我们周围环境的一部分，我们将无法选择退出或者放弃监控，因为技术和新法规也将应运而生。　　　　使用热成像摄像头，“心智”脑电图（EEG）帽，心率检测器和皮肤反应传感器，都可以将志愿观测者的身体和思想反馈到屏幕上。Crum在她最近的TED2018温哥华主题演讲中表示“我们喜欢相信我们从他人那里看到或者听到的，也以为了解我们自身内部状态的认知控制，比如我们的情绪、不安全感、虚张声势、考验或者磨难，”“但是可穿戴技术已经可以区分一个真正的微笑和假的微笑了。一个充满激情的动态签名，可能会让你感

3、觉到改变我们的大脑是如何努力工作的，我们是如何参与其中或者表现兴奋的，甚至是看到火焰的照片时脸颊上的发热表现。”　　　　在其他应用中，EEG可穿戴技术已经被用于创建一个机器设备，它可以解读来自大脑脑电波的单词，而根本不需要说话，就可以让计算机用户使用思想的力量来打开应用程序。Crum说你的设备会比你更了解你，我们需要考虑如何使用这些数据。　　　　心灵阅读耳机麻省理工学院的一个团队一直在研究一种耳机，可以阅读你的想法。AlterEgo是一种头戴式或者更合适叫做下颌安装式设备，可以通过内置电极来读取神经肌肉信号。　　　　一名学生ArnavKapur说“我们的想法是：我们可以拥

4、有一个更内在的计算平台，它以某种方式融合了人和计算机，感觉就像是一个我们自己的认知的内部扩展。这个动机是建立在一个IA设备，即智能增强设备之上的”。麻省理工学院的研究小组表示，它能够让10人的命令实现92％左右的准确率。该团队还增加了骨传导音频播放以及保持系统完全静音，这是一种可能使其对特殊操作有用的元素。音乐匹配你的心情很快就会有一款应用可以根据你的思维模式来识别一段音乐了。　　　　2014年，研究员BrianPasley和加州大学伯克利分校的同事们使用深度学习算法和大脑活动进行用电极将人的思想转化为数字合成语音来进行测量。这是通过分析一个人在讲话时的脑波来解码语音和大

5、脑活动之间的联系来实现的。早期癌症检测有种设备是隐藏在皮肤之下的，科学家已经发明了一种植入物，能够检测到人体内的癌症，并且早期会在皮肤上出现人造痣来警示你。小贴片位于皮肤下面，由细胞网络组成，不断检测体内的钙的水平。癌症会导致钙急速流失，当流失太多时，植入物会触发黑色素生成，它是身体的鞣制色素，从而就形成了小黑痣。　　　　苏黎世联邦理工学院生物系统科学与工程系教授MarTInFussenegger表示，该植入物可以存在十年。苏黎世大学ETH的瑞士科学家说，该设备“可以识别四种最常见的癌症类型－－－前列腺癌、肺癌、结肠癌和乳腺癌，都是可以在肿瘤发展的早期阶段识别。现在，人们

6、一般只有在肿瘤开始出现问题时才去看医生。不幸的是，那个时候经常是已经太晚了。早期发现显然会提高生存的机会。”“痣”在癌症通过常规诊断可以被检测出现之前就已经出现，作为一种早期预警系统可以告诉人们该去寻求治疗了。英国癌症研究中心的CatherinePickworth博士说“可穿戴技术有一天可能成为癌症预警信号的想法令人兴奋，但这项研究还处于初级阶段。早期发现癌症是改善生存率的最有效方法之一，因此寻找检测高风险人群或者缓解人群的最佳方法是一项重大挑战”。这个团队现在已经改进了此前的研究并将其应用于音乐。他们能够预测出钢琴家的大脑活动想法，比原来的研究准确提高50％。当演奏者在

7、电子琴键上演奏时，该团队录制了演奏者的大脑活动。通过这样，他们能够匹配大脑模式和演奏的音符。然后，他们再次进行实验，但是这次关闭了键盘的声音并要求演奏者在演奏时想象音符，这种训练使得他们能够创建自己的音乐预测算法。　　　　Pasley说“我们研究的长期目标是开发讲话设备的算法，以让无法说话的患者可以进行交流”。“我们距离实现这一目标还很遥远，但这项研究代表了向前迈出的重要一步。它表明听觉图像的神经信号足够稳定和精确，可用于机器学习算法，该算法可以根据测量大脑活动预测声音信号”。