วิศวกรพัฒนาระบบจดจำท่าทางมือด้วย AI

วิศวกรจาก University of California, Berkeley ได้พัฒนาอุปกรณ์ที่สามารถจดจำท่าทางของมือตามสัญญาณไฟฟ้าที่ตรวจพบที่ปลายแขน ระบบที่พัฒนาขึ้นใหม่นี้เป็นผลมาจากไบโอเซนเซอร์ที่สวมใส่ได้และปัญญาประดิษฐ์ (AI) และอาจนำไปสู่การควบคุมอวัยวะเทียมและการโต้ตอบระหว่างมนุษย์กับคอมพิวเตอร์ได้ดีขึ้น

Ali Moin เป็นส่วนหนึ่งของทีมออกแบบและเป็นนักศึกษาระดับปริญญาเอกในภาควิชาวิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ของ UC Berkeley Moin ยังเป็นผู้เขียนร่วมคนแรกของงานวิจัยที่เผยแพร่ทางออนไลน์เมื่อวันที่ 21 ธันวาคมในวารสาร เนเจอร์อิเล็กทรอนิกส์.

“อุปกรณ์เทียมถือเป็นการประยุกต์ใช้เทคโนโลยีนี้ที่สำคัญอย่างหนึ่ง แต่นอกเหนือจากนั้น มันยังนำเสนอวิธีการสื่อสารกับคอมพิวเตอร์ที่ใช้งานง่ายอีกด้วย” โมอินกล่าว “การอ่านท่าทางมือเป็นวิธีหนึ่งในการปรับปรุงปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ และแม้ว่าจะมีวิธีอื่นๆ ในการดำเนินการดังกล่าว เช่น การใช้กล้องและคอมพิวเตอร์วิทัศน์ นี่เป็นวิธีแก้ปัญหาที่ดีที่ยังคงรักษาความเป็นส่วนตัวของแต่ละบุคคลไว้ด้วย”

ระบบรู้จำท่าทางมือ

ทีมทำงานร่วมกับ Ana Arias ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าที่ UC Berkeley ในระหว่างการพัฒนาระบบ พวกเขาร่วมกันออกแบบและสร้างปลอกแขนที่ยืดหยุ่นซึ่งสามารถอ่านสัญญาณไฟฟ้าที่จุดต่างๆ 64 จุดบนปลายแขน จากนั้นสัญญาณไฟฟ้าเหล่านี้จะถูกป้อนเข้าสู่ชิปไฟฟ้าที่ตั้งโปรแกรมด้วยอัลกอริธึม AI อัลกอริทึมนี้สามารถระบุรูปแบบสัญญาณที่ปลายแขนซึ่งมาจากท่าทางมือที่เฉพาะเจาะจง

อัลกอริทึมสามารถระบุท่าทางมือได้ 21 แบบ

“เมื่อคุณต้องการให้กล้ามเนื้อมือหดตัว สมองของคุณจะส่งสัญญาณไฟฟ้าผ่านเซลล์ประสาทในคอและไหล่ของคุณไปยังเส้นใยกล้ามเนื้อในแขนและมือของคุณ” Moin กล่าว “โดยพื้นฐานแล้ว สิ่งที่ขั้วไฟฟ้าในผ้าพันแขนรับรู้คือสนามไฟฟ้านี้ มันไม่แม่นยำขนาดนั้น ในแง่ที่ว่าเราไม่สามารถระบุได้ว่าเส้นใยใดถูกกระตุ้น แต่ด้วยอิเล็กโทรดที่มีความหนาแน่นสูง มันยังสามารถเรียนรู้ที่จะจดจำรูปแบบบางอย่างได้”

ขั้นแรก อัลกอริทึม AI จะเรียนรู้เพื่อระบุสัญญาณไฟฟ้าที่แขนและท่าทางของมือที่สอดคล้องกัน ซึ่งผู้ใช้ต้องสวมอุปกรณ์ในขณะที่ทำท่าทางเหล่านั้น ก้าวไปอีกขั้น ระบบใช้อัลกอริธึมการคำนวณแบบไฮเปอร์ไดเมนชัน ซึ่งเป็น AI ขั้นสูงที่อัปเดตตัวเองอย่างต่อเนื่อง เทคโนโลยีขั้นสูงนี้ช่วยให้ระบบสามารถแก้ไขตัวเองด้วยข้อมูลใหม่ เช่น การเคลื่อนไหวของแขนหรือเหงื่อ

"ในการจดจำท่าทาง สัญญาณของคุณจะเปลี่ยนไปตามกาลเวลา และอาจส่งผลต่อประสิทธิภาพของแบบจำลองของคุณ" Moin กล่าว “เราสามารถปรับปรุงความถูกต้องของการจัดหมวดหมู่ได้อย่างมากโดยการอัปเดตรุ่นบนอุปกรณ์”

การคำนวณในเครื่องบนชิป

คุณสมบัติที่น่าประทับใจอีกอย่างของอุปกรณ์คือ การประมวลผลทั้งหมดเกิดขึ้นบนชิป หมายความว่าไม่มีการส่งข้อมูลส่วนตัวไปยังอุปกรณ์อื่น ส่งผลให้ใช้เวลาในการคำนวณเร็วขึ้นและปกป้องข้อมูลทางชีววิทยา

Jan Rabaey เป็นศาสตราจารย์พิเศษด้านวิศวกรรมไฟฟ้าของ Donald O. Pedersen ที่ UC Berkeley และผู้เขียนอาวุโสของบทความนี้

Jan Rabaey กล่าวว่า “เมื่อ Amazon หรือ Apple สร้างอัลกอริทึม พวกเขาเรียกใช้ซอฟต์แวร์จำนวนมากในระบบคลาวด์ที่สร้างโมเดล จากนั้นโมเดลจะถูกดาวน์โหลดลงในอุปกรณ์ของคุณ” Jan Rabaey กล่าว “ปัญหาคือคุณติดอยู่กับรุ่นนั้นๆ ในแนวทางของเรา เราใช้กระบวนการที่การเรียนรู้เสร็จสิ้นบนอุปกรณ์เอง และรวดเร็วมาก: คุณต้องทำเพียงครั้งเดียว และมันจะเริ่มทำงาน แต่ถ้าทำหลายๆ ครั้งก็จะดีขึ้น ดังนั้นมันจึงเรียนรู้อย่างต่อเนื่องซึ่งเป็นวิธีที่มนุษย์ทำ”

จากข้อมูลของ Rabaey อุปกรณ์ดังกล่าวอาจถูกนำไปขายในเชิงพาณิชย์ได้หลังจากมีการเปลี่ยนแปลงเพียงเล็กน้อย

“เทคโนโลยีเหล่านี้ส่วนใหญ่มีอยู่แล้วในที่อื่น แต่สิ่งที่แตกต่างเกี่ยวกับอุปกรณ์นี้คือการรวมไบโอเซนเซอร์ การประมวลผลและตีความสัญญาณ และปัญญาประดิษฐ์เข้าไว้ด้วยกันในระบบเดียวที่มีขนาดค่อนข้างเล็กและยืดหยุ่น และมีงบประมาณด้านพลังงานต่ำ” Rabaey กล่าว