Yapay zeka, bir odadaki kişi sayısını tahmin etmek için WiFi verilerini kullanıyor

Bilmiyor olabilirsiniz ancak Wi-Fi verileri birçok ilginç amaç için kullanılabilir. WiFi verileri, sinyal gücü, bağlantı hızı veya güvenlik düzeyi gibi temel bilgilere ek olarak, bize bağlı nesne hakkında birçok bilgi de verebilir; örneğin belirli bir erişim noktasının yakınında kaç kişinin durduğunu belirlemede, örneğin . Arxiv.org web sitesinde yayınlanan, yakın zamanda yayınlanan "DeepCount: Derin Öğrenme Yoluyla WiFi ile Kalabalık Sayımı" başlıklı araştırma makalesinde - kabaca tercümesi: WiFi verileri aracılığıyla kalabalıktaki insan sayısını tahmin etme, bilim adamları bir yapay zeka etkinliği geliştirmeyi başardılar tanıma modeli - DeepCount - kablosuz verilerden bir odadaki kişi sayısını tahmin etmeye yardımcı olur.

• Teknoloji yöneticilerinin %91'i yapay zekanın bir sonraki teknoloji devriminin kalbinde yer alacağına inanıyor

Bu çalışma, Toronto'daki Ryerson Üniversitesi'ndeki araştırmacıların, bir akıllı telefon sahibinin WiFi verilerini kullanarak şehrin belirli bölgelerinde yürüdüğünü, bisiklete bindiğini veya araba kullandığını belirlemeye yardımcı olabilecek bir sinir ağını duyurmasından ve aynı zamanda Purdue tarafından yapılan başka bir çalışmanın ardından geldi. Üniversite ayrıca kullanıcılar, konumları ve etkinlikleri arasındaki ilişkileri analiz etmek için WiFi erişim kayıtlarını kullanan bir sistem geliştirmeyi de başardı.

Bu son araştırmada bilim insanları, bir aktivite tanıma modeli ve bir derin öğrenme modeli içeren iki yapay zeka modelinden oluşan bir sistem oluşturmak için kanal durumu bilgisinden (CSI) (özellikle faz ve genlik) yararlandı. Derin öğrenme modeli, bu kişilerin faaliyetlerini CSI ile eşleştirerek kişi sayısı ve kanallar arasındaki ilişkiyi değerlendirmekle görevlendirilirken, aktivite tanıma modeli, birisinin odaya "elektronik" bir cihaz aracılığıyla girdiğinde veya odadan çıktığında bilgilerin kaydedilmesinden sorumlu olacaktır. anahtar". İki modelin farklı verileri yakaladığı durumlarda (örneğin, etkinlik tanıma modeli derin öğrenme modelinden daha fazla sayıda insanı kaydediyorsa), DeepCount bu farkı modeli derin öğrenmeyi yeniden eğitmek için kullanır.

• McAfee uzmanı deepfake ve yapay zekanın siber güvenlik duvarlarını nasıl aştığını açıklıyor

Buna ek olarak araştırmacılar, el sallama, klavyede yazma, oturma, yürüme, konuşma ve yemek yeme gibi çeşitli farklı görevlere katılan 10 gönüllüden alınan 800 CSI örneğinden oluşan bir veri seti de derledi (her birinde örneklerin yaklaşık %80'i). sınıf eğitim amaçlı kullanılmış, geri kalanı test seti olarak kullanılmıştır). Bir aktivite tanıma modelini eğitmek için bilim adamlarının öncelikle gürültüyü ve istenmeyen unsurları ortadan kaldırmak için genlik verilerini işlemesi ve ardından özellik bilgisini çıkarması gerekir. Derin öğrenme modelinin eğitimi, ön işleme aşamasına benzer ancak genliğe ek olarak faz verileriyle gerçekleştirilir.

DeepCount, kanal durumu verilerini raporlayacak şekilde değiştirilmiş üç alıcı anteni olan bir dizüstü bilgisayarda çalışır ve bunlar aynı zamanda bir yönlendiriciye ve diğer iki verici antene de bağlıdır. Her ikisi de daha iyi çözünürlük sağlayacak kadar kısa dalga boyları oluşturmak ve aynı zamanda istenmeyen unsurlardan kaynaklanan parazit olasılığını en aza indirmek için 5 GHz frekans bandında çalışır.

• Google ve DeepMind rüzgar santrallerinin çıktısını tahmin etmek için yapay zekayı kullanıyor

Ekip, yapılan deneylerde bu derin öğrenme modelinin 5 kişiye kadar %86,4'e kadar doğruluk elde ettiğini bildirdi. Ayrıca aktivite tanıma modelinin sağladığı örneklerin yeniden eğitilmesiyle tahmin durumlarında %90'a varan doğruluk oranı elde edildi.

"Yaklaşımımız, bir evdeki karmaşık çevresel değişiklikler bağlamında WiFi verileri aracılığıyla insan sayısını belirlemede yapay zekanın "kabul edilebilir" doğruluğunu göstermeyi başardı. Teorik olarak, iç mekan ortamının yeterli sayıda örneğini hesaba katabilir ve bunları daha büyük ölçekte sağlam bir model oluşturmak için şablon olarak kullanabilirsek, bu teknolojiyi çok daha geniş bir aralıktaki nesnelerin ve nesnelerin sayısının belirlenmesinde tamamen uygulayabiliriz. " dedi bilim adamları.