人工智能和睡眠追踪的问题Slee2019iyiou

2019-05-14 18:01:43 来源: 马鞍山信息港

大约有7000万人都表示有睡眠问题。而且,他们比以往任何时候都更倾向于技术来帮助他们解决目前这个困境。可穿戴式健身设备正垄断着整个市场,而支持人工智能的设备也在引领着市场。随着有机器学习和神经络等华丽的术语来支持他们的产品,大受欢迎的人工智能睡眠追踪器的生产商鼓励许多消费者购买他们的设备和应用程序,以此来改善他们的睡眠习惯。

我们把钱都花在这些看似先进的睡眠技术上,但它们真的能帮助我们提高睡眠质量吗?

流行技术根据Adam Blacker的说法,在过去的六个月里,近1150万人(准确地说,是人)在苹果IOS平台上下载了十大的睡眠应用程序之一。不过,这个惊人的数字只是全球睡眠追踪器使用的一部分。

FusionHealth公司首席医疗官Jeffrey Durmer博士表示,美国约有37.8%的人正在使用可穿戴技术,FusionHealth公司旨在帮助雇主解决员工的睡眠问题。他说:“一般来说,睡眠追踪技术已经帮助提高了睡眠对大多数人的重要性。不过,鉴于睡眠不良这个公共健康问题的日益严重,这一点对美国人来说至关重要。”

前景光明的人工智能创新支持人工智能睡眠追踪器能够监测睡眠行为,并帮助消费者改变他们的不良习惯。例如Sleep Watch和Rhythm等可供消费者选择的产品使用机器学习模型,为消费者的常见睡眠障碍提供预测性诊断。麻省理工学院睡眠实验室的一项创新让这一想法更进了一步,研究人员使用先进的人工智能算法来追踪睡眠习惯,而无需将参与者与机器或设备挂钩。

麻省理工学院这一技术的目标是通过无线监测病人的行为,并利用结果来诊断睡眠障碍。虽然麻省理工学院的算法经过了训练,可以帮助研究人员得到比消费者可用的应用程序和小工具更准确的结果,但是,即使是像这样的先进技术也可能无法准确诊断睡眠问题。

人工智能和睡眠追踪的问题Sleep Shepherd的创始人兼总裁Michael Larson表示,人工智能算法的问题在于“当今大多数人工智能算法的核心都是模式匹配。在睡眠技术领域的问题是,算法中使用的模式是有缺陷的,因为它们不能很好地描述睡眠。”

例如,虽然人工智能已经掌握了游戏,但是Larson指出,“睡眠数据不像游戏中的常规模式一样简单。”当人工智能算法的运算传感器不能运行时,人工智能会给出不准确的数据。因此,在人工智能大有用处之前,睡眠追踪器技术还有一段漫漫长路要走。

睡眠追踪器数据提供了一个起点如果意识到问题是解决问题的步,那么支持人工智能的睡眠追踪器正让我们走上寻找一个解决方案的道路。虽然一种算法还不够精确,自身无法完全诊断和推荐治疗睡眠问题,但是从追踪器获得的结果可以帮助你在咨询医生时知道更多的信息。

购买睡眠追踪器,并仅仅依靠它的结果来指导你改善睡眠的过程就像购买一个特定床垫,根据统计数据表明它适用于其他人。仅仅因为40%的美国人认为大床是的,并不意味着这会是适合你的。同样的道理,仅仅因为追踪了别人结果的追踪者说你可能有一个特定的睡眠问题,并不意味着这是真的。

你需要经过大量的反复试验,才能真正确定你的睡眠问题。算法的结果可能与依靠统计来指导你的睡眠决策一样有缺陷。当然,他们给你提供一个评估你睡眠问题的好起点,但还需要进一步的研究来充分理解正在发生的事情。

试验是关键,同时追踪你的整体趋势。Reverie睡眠研究员Benjamin Smarr博士鼓励人们每天晚上在同一时间上床睡觉,并记录自己早上起来的感觉。试验咖啡因和酒精摄入量,就寝时间等,并将其与追踪数据进行比较,将会提供有价值的反馈。

展望未来尽管有潜在的用户错误和不准确的分析,但是人工智能在睡眠技术上仍有着光明的前景。Durmer说:“通过学习个人的睡眠模式,睡眠追踪器可以利用人工智能来更好地预测睡眠/觉醒状态,以及睡眠障碍,如睡眠脚动症和阻塞性睡眠呼吸暂停。”他补充说到,由于能将数据作为“临床前”检测设备,人工智能可以极大地改善自我分析能力,监测那些有睡眠障碍风险的人。

络连接的可能性也是无限的。“睡眠追踪器不仅可以帮助确保房门在夜晚上锁,提供早晨的咖啡,而且它们在睡眠过程中的作用更加活跃。追踪器将连接可调节的床基、恒温器、音频设备,甚至是报警系统,通过环境控制来帮助控制和优化睡眠,同时减轻整个家庭的沟通压力。”REM-Fit技术开发主管Miguel Marrero说。

人工智能有可能将睡眠技术带入未来。这些设备能够尝试诊断睡眠障碍,监测生命体征,并根据睡眠数据告诉人们何时上床休息。它们的障碍就是消费者的误解。

虽然它看起来像一个拥有酷炫技术的追踪器,可以独立解决你所有的睡眠问题,但是你仍然需要自己完成工作,并且对它提出的意见持保留态度。来自人工智能睡眠追踪器的数据可能会帮助你更好地了解你自己的睡眠模式,但是解读这些数据的过程仍然不能单靠机器学习来完成。

2010年绍兴金融天使轮企业
2014年福州汽车出行企业
2014年香港上市后企业
本文标签: