• Главная
  • Новая смарт-система позаботится об экологии
Новости компаний
11:00, 20 мая

Новая смарт-система позаботится об экологии

Новости компаний
Новая смарт-система позаботится об экологии, фото-1

Медиалаборатория MIT выпустила новую систему для умного дома. Устройство работает за счет углекислого газа и опирается на ультракрасные датчики. Технология под кодовым названием Chameleon отвечает, в числе прочего, и современным стандартам приватности.

Что общего между «Хамелеоном» и машинным обучением?

Электронные системы следят за потреблением электроэнергии и помогают создать энергоэффективный дом. Умные датчики и устройства, хоть и стоят дорого, но впоследствии помогают экономить 70-90% средств, которые обычно тратят на содержание дома. 

Но, к сожалению, часто такие устройства вызывают обеспокоенность у специалистов по кибербезопасности. Так, если оснастите свой дом Интернетом вещей, стоит защитить сеть, например, установив VPN на роутер. В инструкции, опубликованной ExpressVPN, обозначается, что виртуальная приватная сеть, инсталлированная на маршрутизатор, позволяет защитить абсолютно все устройства, включая те, на которые отдельно приложения не установить. 

Но вот новая смарт-система Chameleon создана, чтобы решить две проблемы. Во-первых, Chameleon прогнозирует пожелания человека с точностью 87-99% всего лишь после недели тренировок. Во-вторых, угрозу приватности обычно составляют системы, которые опираются на камеры видеонаблюдения. А Chameleon полагает на PIR-датчик: этот пироэлектрический инфракрасный сенсор отслеживает появление людей в пространстве. Такие инфракрасные датчики дают возможность определить, сколько людей находится в комнате, насколько глубоко их дыхание… Каждый из предложенных сценариев подвергается анализу машинного обучения.

Как учатся машины?

Что интересно, умная система Chameleon использует оба класса задач машинного обучения — «с учителем» (supervised learning) и «без учителя» (unsupervised learning). Эта комбинация позволяет решать две задачи одновременно. Можно продуцировать общие знания о том, как оценить любую окружающую среду. И, кроме того, есть возможность также выделить уникальные переменные нового пространства. Благодаря этому, наблюдается экономия времени и денег. А чтобы понять, как это происходит, обратимся к теории.

Рассмотрим обучение с учителем. Эта разновидность машинного обучения применяется, когда у нас есть маркированные данные, и для каждого элемента нам известны параметры. Таким образом, перед нами стоит задача прогнозировать эти параметры. Приведем простой пример. Необходимо научить машину распознавать марки автомобилей автоматически. При этом, у нас уже есть готовый набор данных, который мы демонстрируем машине: здесь находится такое авто, а тут — другое. Выражаясь фигурально, машина приобретает опыт после просмотра и анализа этих иллюстраций. И может теперь принимать решения. Причем, если показать машине такую марку, с которой робот раньше не сталкивался, машина все же сможет предположить, что видит на картинке. 

В случае с системой Chameleon это сработало так. Исследователи MIT провели тестирование в двух пространствах — в офисе, где собралось множество сотрудников, и в классе, где находилось не больше 20 учеников. Эксперимент повторялся каждый день. Уже через неделю система оказалась способной различать активность в помещении.

Но и это еще не все сюрпризы. Систему можно использовать в “умном” строительстве, чтобы сделать из одного помещения и комнату для видео-конференций, и спортзал, и спальню… И здесь нам поможет так называемое обучение без учителя. Эта разновидность машинного обучения применяется, когда пользователи не владеют никакой информацией. Но ставят перед машиной задачу — найти закономерности, используя те данные, которые уже есть. Обучение без учителя часто применяется при кластеризации. 

Скажем, достаточно показать машине данные пользователей, обучать не нужно. Машина сама должна прийти к результатам и применить знания в следующий раз. И у машин прекрасно получается сегментировать пользователей, например, при посещении сайтов, выделять специфические интересы, самостоятельно находить закономерности. 

Если вы заметили ошибку, выделите необходимый текст и нажмите Ctrl+Enter, чтобы сообщить об этом редакции
#технологии
live comments feed...