斯坦福大学人工智能直播：李飞飞团队研发家用AI系统

当地时间4月6日，在斯坦福大学以人为本人工智能学院(HAI)的一场直播上，斯坦福大学计算机学教授李飞飞向外界介绍了人工智能家用系统，它可以跟踪居民的健康状况，包括新冠肺炎的症状，同时还能确保隐私。目前，这个项目仍处于研究阶段。

整个团队还需要完成数据集的构建和模型工作，团队也未透露仍需多少时间才能完成。但是，团队已经与美国致力于优质高级护理公司安乐(On Lok)合作，在旧金山的一家辅助生活设施中完成了一项试点研究，并将进入下一阶段的研究。

这套AI系统的目的在于帮助老年人(大部分是独居老人)与家庭或医疗护理人员保持联系。保护老年人的最佳方法是减少与人接触，尤其是还未显示出症状的新冠肺炎感染者。据李飞飞团队介绍，这套家用系统的优势在于，它可以让看护人远程监视老年人现有疾病和基本健康状况，减少接触的危险。

李飞飞和她的团队在直播演讲中介绍，这套系统在新冠肺炎暴发前，由临床医生和计算机科学家组成的跨学科研究小组就已经在开发了。“过去几年来，我们一直在研究一套AI系统，它可以帮助老年人独立生活，还可以管理他们的慢性病。最近我们意识到，这套技术对新冠肺炎大流行下的老年人也有帮助。”李飞飞在演讲中称。

据李飞飞介绍，整个家用AI系统包括安装在家中的摄像头和智能传感器。在演讲中，李飞飞提到了四种传感器，包括相机、深度传感器、热传感器和可穿戴传感器。整个团队的研究主要集中在前三个。由于隐私在这套系统中非常重要，因此针对相机的研究更具挑战。“相机能透露出个人活动的详细信息，但它与大多数人的隐私需求不符。”李飞飞说。

整个系统如何运作，以及如何确保隐私?李飞飞在演讲中进行了逐一介绍。当传感器获得数据时，系统会将其发送到安全的中央服务器进行处理。不过，在这一过程中，李飞飞也承认目前阶段还存在安全风险，例如会受到网络攻击的威胁。但她强调，研究人员会在整个过程中都遵循隐私和安全准则。团队给边缘设备配备了加密磁盘，用删除涉及用户隐私的数据，做人脸模糊处理，经过加密后，再传输到云中。

一旦数据到达服务器，一组临床医生和AI专家就会对其进行分析和注释，以开发机器学习模型。训练后的这套模型可以识别临床相关的一些行为，包括呼吸、睡眠、饮食和其他行为。李飞飞表示，团队目前正在开发涉及日常生活活动的模型，模型可以计算出用户的健康状况是否恶化。但这套模型并不是对用户所有的日常活动进行深入和广泛的分析，需要找到隐私和公共安全之间的平衡点。

训练后的模型可以部署到边缘设备中，并在本地运行。这样一来，研究团队就搭建了一个闭环系统，数据安全也可以得到保证。但这个闭环系统无法对模型进行进一步的更新和提升。为了解决这点，李飞飞提到，团队正在设想使用联合学习和无监督学习的方式，即无需人工注释，就对每个边缘设备上的模型进行更新，以使用新环境，并提高鲁棒性。通过联合学习，团队可以将安全攻击限制在设备上，以减少针对云的隐私和安全威胁。

最后，系统还需要一种能将智能传感器检测结果传递给医护人员或家庭成员的方法。李飞飞称，目前团队还未找到具体的解决方案，但正在考虑使用移动应用程序或者Web界面。

“这些传感器并不是要做出诊断决策或取代临床医生，而是可以持续出现，随时关注我们在家中的老年人，并及时向临床医生和家人发出警报。”在快要结束演讲时，李飞飞说：“当然，在这项研究的每一步以及这项技术的部署中，我们都必须对道德，隐私和安全方面进行全面的考虑。”

当前新冠肺炎大流行带来的挑战不仅包括确保老年人的安全和健康，还包括更广泛且迫切跟踪疾病和应该被隔离的人群。当被问到这套系统是否也可以解决这个问题时，李飞飞表示，团队不愿意涉足这个领域。

“我们的目标是提出尖端的计算机视觉和机器学习技术，以帮助解决医疗保健中一些最重要和最具挑战性问题，同时提出道德、隐私和AI医疗保健研究的安全指南。”李飞飞说。