自2018年迴歸學術界後，李飛飛教授便很少對外露面，近日在一次斯坦福的線上會議，讓我們有機會了解她與團隊的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》（COVID-19 大流行病中人工智能輔助的老年人居家防控）。她介紹瞭如何利用人工智能技術幫助弱勢群體——老年人抗擊新冠肺炎和慢性病管理的落地解決方案，該方案運用了 RGB 相機、深度傳感器、溫度傳感器、可穿戴傳感器，以邊緣計算為核心，同時著重強調保護個人隱私問題。李飛飛在接受採訪時表示，「我們將使用聯合學習，以無監督的方式對每個邊緣設備上的模型進行更新，以適應新環境並提高魯棒性。通過使用聯合學習，我們希望通過將攻擊面僅限於設備，而不是設備和雲來降低個人隱私和安全風險。」此外，李飛飛還分享了包括感染檢測、移動性分析、睡眠模式分析和飲食模式分析等四個不同場景的應用模式，以解釋人工智能傳感器如何協助醫療護理人員和家人，幫助和保護老年人。目前，該項目已經在舊金山地區進行試點合作。
編譯 | 機器之能
上週，斯坦福大學 Human-Centered Artificial Intelligence（HAI，以人為本人工智能研究所）主辦了一場名為《Artificial Intelligence and COVID-19:How Technology Can Understand,Track,and Improve Health Outcomes》的線上會議，30 餘位斯坦福大學教職人員召集在一起，討論 AI 如何幫助理解、跟蹤新冠肺炎，和改善公共衛生等話題，橫跨醫學、計算機科學和人文學科等學界。
會上，李飛飛分享了她和團隊的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》。她介紹了人工智能技術幫助老年人抗擊新冠肺炎和慢性病管理的落地解決方案，該方案運用了 RGB 相機、深度傳感器、溫度傳感器、可穿戴傳感器，以邊緣計算為核心，同時著重強調了個人隱私保護。
2018 年 9 月，斯坦福大學終身教授，斯坦福大學人工智能實驗室主任李飛飛結束兩年學術假期，卸任谷歌雲機器學習負責人，迴歸斯坦福重拾基礎科研。她曾談到，一部分精力將繼續 AI 醫療相關領域和 AI 基礎科學的研究，「我目前最看好的是醫療健康的 AI 落地」。
今年 2 月，李飛飛入選了美國國家工程院院士。作為一名知名女性科學家，李飛飛現為美國斯坦福大學紅杉講席教授、以人為本人工智能研究院院長、AI4ALL 聯合創始人主席等。李飛飛長在四川，十幾歲時移居美國，2015 年入選「全球百大思想者」，並曾任谷歌雲 AI 負責人及谷歌首席科學家。
回顧視頻鏈接可見：https://hai.stanford.edu/events/covid-19-and-ai-virtual-conference/video-archive
（HAI線上分享部分內容）
李飛飛分享了一套基於 AI 的居家防護系統，該系統用於跟蹤居民的健康狀況，包括 COVID-19 的體徵，重點為獨居老人與家人或醫療護理人員保持聯繫，同時確保隱私和數據安全風險。
在新冠肺炎疫情大流行期間，照顧老年人的困難在於，保護老年人的最佳方法是減少與人的接觸，包括注意到他們是否與表現出疾病症狀的人進行接觸。
該系統旨在解決跟蹤老年人健康的問題，而不會使他們面臨接觸危險，並且還允許看護者遠程監視患有現有疾病的老年人的基本健康狀況。
一 如何幫助弱勢的老年群體？
李飛飛在演講中提到，她的團隊由臨床醫生和計算機科學家緊密合作組成，在新型冠狀病毒爆發之前就已經在研究該項目。
李飛飛研究團隊成員
團隊介紹環節，李飛飛重點談到了 Alan Luo，他是斯坦福大學計算機科學系的二年級博士生，此次展示的項目是他當前研究的一部分。
「過去幾年來，我們一直在研究一套 AI 技術如何幫助老年人更加獨立生活，並應對慢性病管理。但最近，我們意識到，用於長期護理的相同技術可能也對疫情期間的老年人有所幫助。」她談到。
該項目仍處於研究階段。團隊需要完成數據集的構建和模型訓練，目前尚不清楚需要多長時間才能完成。但是，部分或整體而言，該系統最初是為一般老年人護理而設計的，對於在大規模隔離期間進行健康監測非常理想。
由於大規模隔離，老年人無法得到及時救治而失去生命的新聞不是少數。李飛飛在直播中介紹了一則真實發生的事情，一位兒子講述了他年邁的父母在意大利的家中患了 8 天的高燒，在沒有適當的醫療幫助的情況下感染了冠狀病毒去世。
李飛飛在直播中介紹了新冠的最新研究數據。她談道，無論是在感染率還是死亡率方面，新冠病毒對老年人的打擊都比年輕人大，下圖中的紅條顯示隨著年齡的增長死亡率急劇上升。
究其原因，還需更進一步的科學研究作為佐證，醫生和研究人員正在推測可能導致這種趨勢的幾個因素。
例如，大多數老年人的健康狀況不好使他們更加脆弱，許多老年人的社區生活使得這種高傳染性病毒傳播更快。另外，老年人與護理人員互動交流，這些護理人員往往是較年輕的群體，可能攜帶病毒而沒有症狀。其他原因還可能包括醫療水平挑戰或由於不堪重負的醫療系統而導致的對基礎慢性病缺乏護理。
為此，李飛飛提出一個可能有效減少老年人感染和病死率的方法，即使用人工智能驅動的智能傳感器技術，通過在家裡安裝傳感器，幫助家庭和臨床醫生以通用和可擴展的方式跟蹤老年人的健康狀況。
二 好的系統應該保護隱私安全
一個可能有效減少老年人感染和病死率的方法是使用人工智能驅動的智能傳感器技術，通過在家裡安裝傳感器，幫助家庭和臨床醫生以通用和可擴展的方式跟蹤老年人的健康狀況。
李飛飛介紹，這套人工智能系統分為 4 個步驟，首先是通過把傳感器放在家裡收集數據。下表顯示了各種智能傳感器，它們在採集數據的形式和種類上互為補充，在靈敏度上也互為補充。
李飛飛在演講中概述了四種類型的傳感器—攝像頭、深度傳感器、熱傳感器和可穿戴式傳感器（例如 FitBit）。李飛飛表示，他們的研究只集中在前三個方面。
她認為，由於隱私在這樣的系統中很重要，所以相機提出了其他類型的傳感器沒有的挑戰。她說：「攝像頭傳感器包含一個人活動的許多詳細信息，但它與大多數人的隱私需求構成了衝突。」
她談道，人工智能模型可以安裝在邊緣設備上，這樣在部署時，數據就不必再離開房子，直接在終端處理，減少了隱私風險。
在第二步中，當傳感器捕獲數據時，系統會將其發送到安全的中央服務器。李飛飛承認，該過程存在固有的安全風險，例如網絡攻擊的威脅。
李飛飛在通過電子郵件答覆 VentureBeat 採訪時情調，研究人員在整個過程中都遵循隱私和安全準則。
「例如，我們的邊緣設備配備了磁盤加密功能，用戶隱私屬性的數據將會被刪除，例如人臉，然後數據被加密後再傳輸到雲中，並且我們的服務器符合 HIPPA 標準。」她說。
在第三步中，一旦數據到達服務器，經過批准的臨床醫生和 AI 專家將會對其進行分析和註釋，以開發機器學習模型。
「人工智能模型被訓練來識別臨床相關的模式，包括呼吸、睡眠、飲食和其他行為。」李飛飛補充說，他們所尋找的模式是圍繞日常生活活動進行，換句話說，該模式關注的是具體的措施，並不是對居民所有的日常活動進行廣泛的分析。
其次他們將訓練後的模型部署到邊緣設備，其中檢測系統可以在本地運行。這將創建一個閉環系統，其中沒有數據必須離開的前提。「這本質上是安全的，但這使得我們無法對這個模型進行進一步的訓練。」
研究人員制定瞭解決此限制的計劃，李飛飛在回覆 VentureBeat 的電子郵件中概述了這一限制。
「我們設想，仍將使用聯合學習 ，以無監督的方式對每個邊緣設備上的模型進行更新，以適應新環境並提高魯棒性。通過使用聯合學習，我們希望通過將攻擊面僅限於設備，而不是設備和雲來降低個人隱私和安全風險。」
最後，系統還需要一種將智能傳感器檢測結果傳遞給醫療護理人員或家庭成員的方法。
李飛飛說，目前團隊尚未找到具體的解決方案，但正在考慮使用移動應用程序或 Web 界面，這兩種方法都可以通過多因素身份驗證來保護。
她表示：「在這項研究的每一步以及這項技術的部署中，我們都必須對道德、隱私和安全方面的挑戰進行深思熟慮。」
三 四個應用場景
在直播中，李飛飛分享了四個實際應用案例，包括感染檢測、移動性分析、睡眠模式分析和飲食模式分析，以解釋人工智能傳感器如何協助醫療護理人員和家人，幫助和保護老年人。
感染檢測方面，據顯示發燒檢測和呼吸模式識別的樣本圖像表示，使用熱傳感器獲取更多信息有助於感染的早期檢測。
移動性分析方面，李飛飛團隊將人工智能運用於理解人們的運動軌跡。在許多相關疾病中，病人的運動軌跡作為一個重要的臨床指標。據下圖顯示，基於 AI 的傳感器識別不同類型運動的準確性非常高。
睡眠模式分析，統計和分析每天睡眠的時間，以及睡眠的深淺。
最後，人工智能智傳感器技術還可以用於分析飲食習慣，包括飲食、液體攝入和藥丸攝入等。
在新冠肺炎時期，最大的難題是醫療系統超負荷導致護理人員缺乏，這些應用可以在生活日常幫助到老年人。李飛飛強調，「這些傳感器並不是要做出診斷性決策或取代臨床醫生，而是可以持續存在，關注生活在家中的老齡人口，並及時向臨床醫生和家人發出警報。」
四 落地舊金山試點
當前的流行病帶來的挑戰不僅包括確保老年人的安全和健康，還包括更廣泛地關注迫切需要跟蹤的疾病和應該被隔離的人群。
李飛飛表示不會涉足隱私領域。「我們的目標是提出尖端的計算機視覺和機器學習技術，以解決醫療保健中最重要和最具挑戰性的問題，並提出道德、隱私和 AI 醫療保健研究的安全指南。」
其他一些由 AI 驅動的家庭監控系統也涉及可穿戴設備，例如 Current Health、 Rhythm 和 LiveFreely 。
諸如 Care.ai 的解決方案採用計算機視覺來採取非接觸式監視方法，並且這種方式類似於李飛飛團隊正在開發的系統，但是 Care.ai 的系統是為醫院而不是家庭護理而設計的。
李飛飛表示，目前這個研究項目正在進行中，研究團隊仍然專注於科學研究。最新的進展是，他們已經在舊金山的輔助生活設施完成了一項試點研究，與致力於優質老年護理的組織 On Lok 合作，並將進入下一階段的研究。
閱讀更多 機器之心Pro 的文章
