Jeg vet hva du spiste siste kveldsmat: Hvilke hjemmesensorer vil røpe om livet ditt

IBMs Ben Hardill beskriver hva kollegaen Bharat Bedi spiste til middag.

Hardill delte ikke dette måltidet eller fikk heller ikke duften av matlaging. Han var ikke engang i samme hus. Alt han trengte for å finne ut at Bedi hadde hatt glede av en bolle kjøttboller var en linje på en graf.

Denne grafen tegnet hvor mye energi som ble brukt av bedi-husholdningen i løpet av en dag. Så langt, så kjedelig. Men disse dataene, når de analyseres sammen med informasjon samlet inn av andre sensorer i et hjem, kan fortelle deg en god mengde om en persons daglige vaner, som du kan se nedenfor.

Fordelingen av aktiviteter inne i Bharat Bedis hjem. Bilde: IBM

Ved å bruke de daglige dataene som ble samlet inn fra bedi-husholdningen, kunne IBM-forskere ekstrapolere hva som skjedde inne i huset. Husholdningens rutine ble utarbeidet ved å analysere data som kartla boligens energiforbruk, CO og CO2 nivåer, temperatur og fuktighet gjennom dagen.

"For eksempel lærte vi systemet å gjenkjenne når oppvaskmaskinen er på, denne piggen i energiforbruk er et mønster som vi vet er oppvaskmaskinen, så vi kan se at den har vært på to ganger om dagen, " sa Hardill.

Etter å ha korrelert mønstre i dataene, var forskerne til og med i stand til å sette seg i å prøve å finne ut hva Bedi spiste på kveldstid, sa Hardill, som er en fremvoksende teknologi- og tjenestekonsulent hos IBM.

"Det ble litt mer interessant på kvelden da vi begynte å kunne gjette hva Bharat hadde til middag, " sa han.

"Denne piggen her er ovnen på gang og krusningen etterpå holder den varm. Så er det en oppfølgingspike litt senere, som tilfeldigvis faller sammen med en enorm luftfuktighetsendring også, men stemmer ikke overens med energiforbruksprofilen for kjelen.

"Så vi jobbet med at dette sannsynligvis var en panne med vann som gikk på litt pasta. Så dette var et måltid med spaghetti og kjøttboller den kvelden. Vi spurte ham litt senere, og han sa:" Jeg tror vi hadde pasta og kjøttboller forrige uke'."

Innsikten stopper ikke på det som sto på menyen. Ved å rigge opp hjem med nettverkssensorer har IBM kunnet forutsi hvilke rom som har mennesker i og omtrent hvor mange mennesker de inneholder (ved endringer i karbondioksidnivåer), og om noen nettopp har tent på en sigarett (gjennom endringer i mengder karbon monoxide).

Spørsmålet om hva som kan gjøres med så tilsynelatende prosaiske data som mengden CO2 i et rom, blir viktigere etter hvert som smarte energimålere og andre små lavenergi, nettverkssensorer begynner å finne veien inn i hjemmet.

Google satser på at smarthusteknologier vil være store forretninger, med sine nylige anskaffelser på $ 3, 2 milliarder av Nest Labs, produsenten av programmerbare, nettverksbaserte termostater og røyk- og karbonmonoksyddetektorer.

IBMs eksperimenter med hjemmesensorteknologi har funnet ut at data som kan virke esoteriske og uviktige samlet kan avsløre mye om hva en person får opp til.

Overvåket av maskiner av kjærlig nåde?

IBM har eksperimentert med hvordan denne innsikten som sensornettverk gir deg i daglige rutiner kan brukes til god bruk. For rundt fire år siden var byen Bolzano i Italia på utkikk etter en måte å forbedre omsorgen den ga til eldre beboere i hjemmene sine uten å sende kostnadene for sosialomsorg.

"En del av Bolzanos mål som råd er å bli et sted der eldre i Italia drar for å trekke seg i komfort, der de kan leve selvstendige liv så lenge som mulig, men fortsatt ha den sikkerhetskopien de trenger, " sa Hardill.

For å bidra til å oppnå dette målet gikk rådet sammen med IBMs Human Centric Solutions-team for å passe 30 leiligheter med nettverksrøyk, karbonmonoksid og dioksid, temperatur, fuktighet og lekkende vann sensorer. Disse sensorene ble koblet til en GuruPlug utstyrt med en trådløs Zigbee-adapter som mottok data fra sensorene og et 3G-modem ga data tilbake til IBM og byrådet.

Data fra disse sensorene ble analysert og brukt til å generere varsler som ville bli sendt til rådansatte som hadde som oppgave å sjekke disse innbyggerne, med meldinger som ble videresendt til Android-telefoner fraktet av rådets ansatte.

"Varslene ville gå så raskt at hvis det var en vannlekkasje og vakthavende var rundt, ville han komme og banke på døra før vannet til og med hadde begynt å sive ut fra under skapene, " sa Hardill.

Hvor systemet "begynte å bli interessant", ifølge Hardill, er da IBM begynte å lete etter trender i dataene fra sensorene for å la dem utlede hva som skjedde inne i eiendommen.

"Karbondioksidføleren er en klassisk sensor. Hvis du ser på trenden fra at du kan begynne å bestemme romoppholdet for plassen det er i. Hvis det begynner å krype opp, har du sannsynligvis fått flere mennesker, " sa han.

Ved å bygge mønstre for hverdagens oppførsel for hver av beboerne, var IBM til og med i stand til å generere varsler for rådet når en eldre beboer avviket fra sin vanlige rutine.

"Hvis du lar disse systemene lære og løpe en liten stund, kan du bygge opp et bilde av livssystemer, " sa Hardill.

"En av tingene som falt ut fra Bolzano er at du kan lære at fru Smith, på nummer 25, den normale dagen starter omtrent klokka 8.30, og det første hun gjør er å legge på kjelen og brødristeren til frokost og slå seg til ro med avis.

"Hvis du ikke har sett de piggene fra kjelen og brødristeren du kan spørre innen 9.30 er det noe problem? Bør vi se på CO2-nivåene på soverommet hennes den dagen for å se om hun flyttet inn i stuen?

"Vi begynte å generere mykere varslingsnivåer for vakthavende, bare for å få ham til å sjekke at ting var i orden fra tid til annen.

"Det var en subtil varsling, og du må være forsiktig fordi folk bryter mønster, for eksempel hvis vakthavende vet at fru Smith kommer til å tilbringe litt tid med datteren sin i helgen, så vet vakthavende ikke å gripe inn på dette tidspunktet.

"Men de milde kvikkene ved vakthavende kan tillate dem å være mer oppmerksomme."

To tredjedeler av de eldre beboerne som deltok i pilotprosjektet rapporterte om en forbedring i livskvaliteten, og byrådet i Bolanzo rapporterte om 31 prosent besparelse i eldreomsorgskostnadene.

IBM deltar for tiden i et program med flere millioner ledet av University of Bristol for å studere hvordan sensorsystemer kan brukes til å utvikle en døgnassistent assistent for digital helse.

Deltakere i hjemmesensorsnettverket studerer i den italienske byen Bolzano. Bilde: IBM

"Den bruker samme type algoritmer som brukes til industriell prediktiv sviktanalyse. Det er bare å myke opp grensene litt fordi vi ikke snakker om et herdet industrisystem, vi snakker om et menneskelig system."

© Copyright 2021 | pepebotifarra.com