不只测心率，透过 AI 还能测大学生压力程度

▼

近日，美国麻萨诸塞大学计算机科学学院在 Arxiv.org 发表论文，提出进一步优化的 CALMNet 模型，可用于预测大学生压力程度。

进入网络时代后的快节奏生活带来科技加速进步，而技术等比级数式发展又带来快节奏的生活。当下，在城市生活的年轻人包括学生，都面临快速的生活和学习节奏，同时也有各种压力。据外媒报道，美国麻萨诸塞大学计算机科学学院近日发表的研究论文指出，可透过 AI 预测压力程度。

“随着可穿戴装置日益普及，透过 Fitbit、Apple Watch 及其他智慧可穿戴装置引入功能强大的感测器，收集生理、行为数据已让人逐渐接受，这使研究人员能利用从这些装置收集生理数据，预测配戴者的精神状态，例如情绪、压力。”研究人员在《深度多任务网络的个性化学生压力预测》一文指出。

自 2000 年以来，已有研究人员透过心率、皮质醇、皮肤导电率等人类生理参数检测与研究，检测人类受到的压力；Mikelsons, G、Smith, M 等人在 2018 年发表的论文《利用智慧手机数据进行心理状态预测的深度学习模式：挑战与机遇》提出，透过 StudentLife（一款 App）采集的数据，基于位置特征和神经网络方法，建立了基于位置的 MultiLayer 感知模型（MLP 模型），用以预测中学生的压力程度。

《深度多任务网络的个性化学生压力预测》提出跨个人活动 LSTM 多任务自动编码器网络模型（CALMNet），将数据视为时间序列，并能辨识学生数据包含的时间模式，透过这些不同等级的资讯和个性化数据，预测学生的压力程度。据论文作者表示，CALMNet 模型相对之前的 MLP 模型有 45.6% 的精准度提升。

论文提出的模型数据是在达特茅斯学院收集 48 名学生连续 10 周的 StudentLife 数据，包括睡眠状况、活动情况、饮食情况等基本生活及生理数据。每天透过 StudentLife 应用程式收集数据，并透过对数据的统计分析 1~5 级的压力生态瞬间评估（EMA）。

（Source：论文）

这次 CALMNet 模型相对之前压力检测模型有改进，研究人员推测这是将数据视为时间序列的直接结果。“CALMNet 模型融合精细时态资讯和高级协变量的能力，能为每位学生提供个性化模式又不会过度拟合的架构，有助于提高模型性能。”

据了解，目前智慧可穿戴装置主要分为运动、健康两大应用，目前的智慧手环、智慧手表仍没有像行动网络时代的智慧手机人人必备，无论功能性、可玩性、使用者黏着性，都没有很好的表现。

尽管如此，不得不提的是，智慧可穿戴装置的出货量还是稳定增长，且相当可观。据 IDC 调研数据显示，2018 全年可穿戴装置出货量为 1.722 亿台，同期相比增长 27.5%。包括苹果、小米、华为、Fitbit、三星可穿戴装置单季销量都超过百万，为装置厂商、研究人员带来更多使用者与装置的互动数据及装置监测数据，这些数据将进一步为可穿戴装置功能提升、新功能出现带来可能。

据了解，目前透过大数据、AI 模型已可测量使用者心理、血压、睡眠情况，这些功能也已应用到如智慧手环、智慧手表等可穿戴装置。随着可穿戴装置越来越普及，越来越多真实使用者数据汇集到装置商、研发人员手中，将有越来越多使用者生命体征、健康状况将透过感测器即时收集，透过 AI 模型即时分析并显示，这会使可穿戴装置的功能越来越强大，有望成为功能、应用场景有别于智慧手机的下一代行动装置。

（本文由 雷锋网 授权转载；首图来源：Unsplash）

延伸阅读：

• 2018 年智慧手表市场，5 款热销产品有 3 款都是 Apple Watch
• 穿戴装置夯！IDC：今年全球出货估逾 2 亿台

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。