近日，美國馬薩諸塞大學(xué)計算機(jī)科學(xué)學(xué)院在Arxiv.org上發(fā)表論文,，提出進(jìn)一步得到優(yōu)化的CALMNet模型,，該模型可以用于預(yù)測大學(xué)生壓力水平。進(jìn)入互聯(lián)網(wǎng)時代后的快節(jié)奏生活帶來了科技的加速進(jìn)步,，而技術(shù)的指數(shù)式發(fā)展帶來了快節(jié)奏的生活,。當(dāng)下，在國內(nèi)一二線城市生活的年輕人，包括學(xué)生,，都面臨著高頻的生活節(jié)奏和學(xué)習(xí)節(jié)奏,，隨之而來的同時也有各種壓力。
據(jù)外媒報道,，美國馬薩諸塞大學(xué)計算機(jī)科學(xué)學(xué)院在近日發(fā)表的一篇研究論文指出,，其可以通過AI對壓力水平進(jìn)行預(yù)測。
“隨著可穿戴設(shè)備的日益普及,，通過在Fitbit,、Apple Watch，以及其他智能可穿戴設(shè)備中引入功能強(qiáng)大的傳感器收集生理,、行為數(shù)據(jù)已經(jīng)變得可以承受,，這使得研究人員能夠利用從這些設(shè)備收集到的生理數(shù)據(jù)來預(yù)測佩戴者的精神狀態(tài)，例如情緒,、壓力,。”研究人員在《深度多任務(wù)網(wǎng)絡(luò)的個性化學(xué)生壓力預(yù)測》一文中指出,。
自2000年以來，已有研究人員通過心率,、皮質(zhì)醇水平,、皮膚導(dǎo)電率等人類生理參數(shù)的檢測與研究，檢測人類受到的壓力,；Mikelsons, G,、Smith, M等人在其2018年發(fā)表的論文《利用智能手機(jī)數(shù)據(jù)進(jìn)行心理狀態(tài)預(yù)測的深度學(xué)習(xí)模式：挑戰(zhàn)與機(jī)遇》中提出，通過StudentLife（一款A(yù)PP）采集的數(shù)據(jù)集,，基于位置特征和神經(jīng)網(wǎng)絡(luò)方法,，建立基于位置的MultiLayer感知模型（MLP模型），用以預(yù)測中學(xué)生的壓力水平,。
《深度多任務(wù)網(wǎng)絡(luò)的個性化學(xué)生壓力預(yù)測》一文中提出跨個人活動LSTM多任務(wù)自動編碼器網(wǎng)絡(luò)模型（CALMNet）,，它將數(shù)據(jù)視為時間序列，并能夠識別學(xué)生數(shù)據(jù)中包含的時間模式,，通過包含這些不同級別的信息和個性化數(shù)據(jù)對學(xué)生的壓力水平進(jìn)行預(yù)測,。據(jù)論文作者表示，CALMNet模型相對于此前的MLP模型有45.6％的精準(zhǔn)度提升,。
該論文中提出的模型的數(shù)據(jù)庫是在達(dá)特茅斯學(xué)院對48名學(xué)生連續(xù)10周通過StudentLife進(jìn)行數(shù)據(jù)收集,，收集數(shù)據(jù)主要包括睡眠狀況、活動情況,、飲食情況等基本生活及生理數(shù)據(jù),。每天通過StudentLife應(yīng)用程序收集數(shù)據(jù)，并通過對數(shù)據(jù)的統(tǒng)計分析進(jìn)行1-5級的壓力的生態(tài)瞬時評估（EMA）。
在測試中,，CALMNet模型相對此前壓力檢測模型有所改進(jìn),，研究人員推測這是其將數(shù)據(jù)視為時間序列的直接結(jié)果?！癈ALMNet模型融合精細(xì)時態(tài)信息和高級協(xié)變量的能力,，能夠為每位學(xué)生提供個性化模式而又不會過度擬合的架構(gòu)，有助于提高其模型的性能,?！?/p>
目前智能可穿戴設(shè)備主要分為運動、健康兩大應(yīng)用場景定位,，而目前的智能手環(huán),、智能手表仍沒有像移動互聯(lián)網(wǎng)時代的智能手機(jī)一場成為人手必備，無論是在功能性,、可玩性,、用戶粘性上，并沒有很好的表現(xiàn),。
盡管如此,，不得不提的是，智能可穿戴設(shè)備的出貨量還是穩(wěn)步增長,，而且相當(dāng)可觀的,。據(jù)IDC調(diào)研數(shù)據(jù)顯示，2018年全年可穿戴設(shè)備出貨量為1.722億臺,，同比增長27.5%,。包括蘋果、小米,、華為,、Fitbit、三星的可穿戴設(shè)備單季度銷量都已超百萬,。這將為設(shè)備廠商,、研究人員帶來更多用戶與設(shè)備的交互數(shù)據(jù)及設(shè)備監(jiān)測到的數(shù)據(jù)，這些數(shù)據(jù)將進(jìn)一步為可穿戴設(shè)備的功能提升,、新功能出現(xiàn)帶來可能,。
目前通過大數(shù)據(jù)、通過AI模型已經(jīng)可以測量用戶心理,、血壓,、睡眠情況，而這些功能也已經(jīng)應(yīng)用到諸如智能手環(huán),、智能手表等可穿戴設(shè)備中,。隨著可穿戴設(shè)備越來越普及,，越來越多的真實用戶數(shù)據(jù)匯集到設(shè)備商、研發(fā)人員手中,，將會有越來越多的用戶生命體征,、健康狀況將會通過傳感器實時收集，通過AI模型實時分析并顯示,，這將會使可穿戴設(shè)備的功能越來越強(qiáng)大,，有望成為在功能、應(yīng)用場景上有別于智能手機(jī)的下一代移動終端,。