ИИ проследит за отвлекающимися водителями
Американская компания Affectiva, занимающаяся разработкой технологий распознавания человеческих эмоций, представила автоматическую систему определения невнимательных водителей Automative AI. Cистема определяет невнимательность человека на основе данных о повороте головы, а также следит за глазами, ртом и эмоциями на лице и умеет подавать сигнал, требующий обратить внимание на дорогу, сообщается на сайте компании.
Невнимательные водители — одна из самых распространенных причин возникновения дорожно-транспортных происшествий. Определяющие внимание к дороге факторы могут быть самыми разными, в том числе сонливость, разговор по телефону, алкогольное или наркотическое опьянение. Для того, чтобы уменьшить число возникновения аварий по невнимательности, исследователи применяют современные технологии: например, осенью прошлого года Ford выпустила специальную кепку, которая по наклону головы определяет засыпающего водителя и начинает будить его световыми и звуковыми сигналами.
Еще один эффективный способ применения технологий к решению такой задачи — встроенные в автомобили системы компьютерного зрения. В основе алгоритмов Affectiva лежат методы глубокого обучения: их система распознавания эмоций была натренирована на более чем шести миллионах снимков людей. Для того, чтобы выявлять невнимательность водителей, в Automative AI были добавлены еще несколько параметров: поворот головы, частота морганий, а также открытые или закрытые рот и глаза. Это позволит системе определять ситуации, когда водитель вот-вот заснет или когда попросту не смотрит на дорогу.
На основе используемых параметров система присваивает внимательности водителя балл от 0 до 100 и при высоком показателе может дать ему сигнал. Стоит отметить, что сейчас Automative AI используется в качестве прототипа, и о планах ее интеграции в транспортные средства пока ничего неизвестно.
Системы автоматического распознавания эмоций применяются и в научных исследованиях: ранее с помощью алгоритмов Affectiva ученые проанализировали фотографии более 740 тысяч людей и выяснили, что представители стран с коллективистской культурой улыбаются реже, чем граждане более индивидуалистских стран.
Елизавета Ивтушок
Ученые нашли его с помощью машинного обучения и использовали в скрининговом тесте
Дэниел Ю (Daniel Yoo) из Датского технологического университета и его коллеги из Италии и США разработали тест на основе алгоритмов машинного обучения для оценки пользователем своего риска развития сахарного преддиабета и диабета. Одним из маркеров риска в нем служит длина бедра. Исследователи использовали данные почти 17,5 тысячи человек из когорты NHANES за 1988–2018 годы. Ключевые предикторы преддиабета и диабета (уровень глюкозы натощак 5,6 и выше миллимоль на литр, уровень гликированного гемоглобина 5,7 и более процентов) идентифицировали среди почти 3700 параметров с помощью алгоритма Boruta. С использованием мультимодальных данных создали несколько алгоритмов машинного обучения и сравнили их между собой, наилучшую нейросетевую модель использовали для теста MEDWACS (Machineborne Early Diabetic Warning And Control System, машинная система раннего предупреждения и контроля диабета). Отчет о работе опубликован в Journal of Clinical Epidemiology.