進入網絡時代後的快節奏生活帶來科技加速進步,而技術等比級數式發展又帶來快節奏的生活。當下,在城市生活的年輕人包括學生,都面臨快速的生活和學習節奏,同時也有各類壓力。據外媒報導,美國麻薩諸塞大學計算器科學學院近日發表的研究論文指出,可透過 AI 預測壓力程度。「隨着可穿戴裝置日益普及,透過 Fitbit、Apple Watch 及其餘智能可穿戴裝置引入功能強大的傳感器,收集生理、行爲數據已讓人逐漸接受,這使研究人員能利用從這些裝置收集生理數據,預測配戴者的精神狀態,例如情緒、壓力。」研究人員在《深度多任務網絡的個性化學生壓力預測》一文指出。網絡
自 2000 年以來,已有研究人員透過心率、皮質醇、皮膚導電率等人類生理參數檢測與研究,檢測人類受到的壓力;Mikelsons, G、Smith, M 等人在 2018 年發表的論文《利用智能手機數據進行心理狀態預測的深度學習模式:挑戰與機遇》提出,透過 StudentLife(一款 App)採集的數據,基於位置特徵和神經網絡方法,創建了基於位置的 MultiLayer 感知模型(MLP 模型),用以預測中學生的壓力程度。《深度多任務網絡的個性化學生壓力預測》提出跨我的活動 LSTM 多任務自動編碼器網絡模型(CALMNet),將數據視爲時間序列,並能辨識學生數據包含的時間模式,透過這些不一樣等級的信息和個性化數據,預測學生的壓力程度。據論文做者表示,CALMNet 模型相對以前的 MLP 模型有 45.6% 的精準度提高。論文提出的模型數據是在達特茅斯學院收集 48 名學生連續 10 周的 StudentLife 數據,包括睡眠情況、活動狀況、飲食狀況等基本生活及生理數據。天天透過 StudentLife 應用程序收集數據,並透過對數據的統計分析 1~5 級的壓力生態瞬間評估(EMA)。架構
此次 CALMNet 模型相對以前壓力檢測模型有改進,研究人員推測這是將數據視爲時間序列的直接結果。「CALMNet 模型融合精細時態信息和高級協變量的能力,能爲每位學生提供個性化模式又不會過分擬合的架構,有助於提升模型性能。」據瞭解,目前智能可穿戴裝置主要分爲運動、健康兩大應用,目前的智慧手環、智能手錶仍沒有像行動網絡時代的智能手機人人必備,不管功能性、可玩性、使用者黏着性,都沒有很好的表現。儘管如此,不得不提的是,智能可穿戴裝置的出貨量仍是穩定增加,且至關可觀。據 IDC 調研數據顯示,2018 整年可穿戴裝置出貨量爲 1.722 億臺,同期相比增加 27.5%。包括蘋果、小米、華爲、Fitbit、三星可穿戴裝置單季銷量都超過百萬,爲裝置廠商、研究人員帶來更多用戶與裝置的互動數據及裝置監測數據,這些數據將進一步爲可穿戴裝置功能提高、新功能出現帶來可能。性能
據瞭解,目前透過大數據、AI 模型已可測量用戶心理、血壓、睡眠狀況,這些功能也已應用到如智能手環、智能手錶等可穿戴裝置。隨着可穿戴裝置愈來愈普及,愈來愈多真實用戶數據聚集到裝置商、研發人員手中,將有愈來愈多使用者生命體徵、健康情況將透過傳感器實時收集,透過 AI 模型實時分析並顯示,這會使可穿戴裝置的功能愈來愈強大,有望成爲功能、應用場景有別於智能手機的下一代行動裝置。學習