李飛飛
在新冠肺炎大流行期間，照顧老年人變得更加困難。人工智慧是否在這個領域發揮作用？
當地時間4月6日，在史丹福大學以人為本人工智慧學院（HAI）的一場直播上，史丹福大學計算機學教授李飛飛向外界介紹了人工智慧家用系統，它可以跟蹤居民的健康狀況，包括新冠肺炎的症狀，同時還能確保隱私。
這套AI系統的目的在於幫助老年人（大部分是獨居老人）與家庭或醫療護理人員保持聯繫。保護老年人的最佳方法是減少與人接觸，尤其是還未顯示出症狀的新冠肺炎感染者。據李飛飛團隊介紹，這套家用系統的優勢在於，它可以讓看護人遠程監視老年人現有疾病和基本健康狀況，減少接觸的危險。
李飛飛和她的團隊在直播演講中介紹，這套系統在新冠肺炎暴發前，由臨床醫生和計算機科學家組成的跨學科研究小組就已經在開發了。「過去幾年來，我們一直在研究一套AI系統，它可以幫助老年人獨立生活，還可以管理他們的慢性病。最近我們意識到，這套技術對新冠肺炎大流行下的老年人也有幫助。」李飛飛在演講中稱。
據李飛飛介紹，整個家用AI系統包括安裝在家中的攝像頭和智能傳感器。在演講中，李飛飛提到了四種傳感器，包括相機、深度傳感器、熱傳感器和可穿戴傳感器。整個團隊的研究主要集中在前三個。由於隱私在這套系統中非常重要，因此針對相機的研究更具挑戰。「相機能透露出個人活動的詳細信息，但它與大多數人的隱私需求不符。」李飛飛說。
整個系統如何運作，以及如何確保隱私？李飛飛在演講中進行了逐一介紹。當傳感器獲得數據時，系統會將其發送到安全的中央伺服器進行處理。不過，在這一過程中，李飛飛也承認目前階段還存在安全風險，例如會受到網絡攻擊的威脅。但她強調，研究人員會在整個過程中都遵循隱私和安全準則。團隊給邊緣設備配備了加密磁碟，用刪除涉及用戶隱私的數據，做人臉模糊處理，經過加密後，再傳輸到雲中。
一旦數據到達伺服器，一組臨床醫生和AI專家就會對其進行分析和注釋，以開發機器學習模型。訓練後的這套模型可以識別臨床相關的一些行為，包括呼吸、睡眠、飲食和其他行為。李飛飛表示，團隊目前正在開發涉及日常生活活動的模型，模型可以計算出用戶的健康狀況是否惡化。但這套模型並不是對用戶所有的日常活動進行深入和廣泛的分析，需要找到隱私和公共安全之間的平衡點。
訓練後的模型可以部署到邊緣設備中，並在本地運行。這樣一來，研究團隊就搭建了一個閉環系統，數據安全也可以得到保證。但這個閉環系統無法對模型進行進一步的更新和提升。為了解決這點，李飛飛提到，團隊正在設想使用聯合學習和無監督學習的方式，即無需人工注釋，就對每個邊緣設備上的模型進行更新，以使用新環境，並提高魯棒性。通過聯合學習，團隊可以將安全攻擊限制在設備上，以減少針對雲的隱私和安全威脅。
最後，系統還需要一種能將智能傳感器檢測結果傳遞給醫護人員或家庭成員的方法。李飛飛稱，目前團隊還未找到具體的解決方案，但正在考慮使用行動應用程式或者Web界面。
「這些傳感器並不是要做出診斷決策或取代臨床醫生，而是可以持續出現，隨時關注我們在家中的老年人，並及時向臨床醫生和家人發出警報。」在快要結束演講時，李飛飛說：「當然，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，隱私和安全方面進行全面的考慮。」
當前新冠肺炎大流行帶來的挑戰不僅包括確保老年人的安全和健康，還包括更廣泛且迫切跟蹤疾病和應該被隔離的人群。當被問到這套系統是否也可以解決這個問題時，李飛飛表示，團隊不願意涉足這個領域。「我們的目標是提出尖端的計算機視覺和機器學習技術，以幫助解決醫療保健中一些最重要和最具挑戰性問題，同時提出道德、隱私和AI醫療保健研究的安全指南。」李飛飛說。
目前，這個項目仍處於研究階段。整個團隊還需要完成數據集的構建和模型工作，團隊也未透露仍需多少時間才能完成。但是，團隊已經與美國致力於優質高級護理公司安樂（On Lok）合作，在舊金山的一家輔助生活設施中完成了一項試點研究，並將進入下一階段的研究。