鼓掌抑或竖起大拇指？也许某一天你的手机就会明白你想表达的意思。加州大学伯克利分校的研究人员开发了一套新系统：将可穿戴生物传感器与人工智能软件相结合，根据前臂的电信号，帮助系统识别一个人通过手势想要表达什么意思。经过一系列实验，该设备将为更好的假肢控制与电子设备的无缝交互铺平了道路。这将让电子设备更加懂你。
想象一下，只需要通过映射就可以在没有键盘的计算机上打字，通过手势操作就可以操控没有控制器的电子游戏，或者驾驶没有方向盘的汽车？是不是很科幻，AI技术在立体图像识别应用上将会迸发出前所未有的活力。
AI的这些新技能，也是加州大学伯克利分校工程师们开发的新系统的目标之一，该系统根据肢体上生物传感器的电信号识别各种手势、肢体动作。更进一步，该系统将可穿戴生物传感器与人工智能(AI)结合在一起，有一天用于控制假肢或与几乎任何类型的电子设备交互。甚至通过映射，远程控制人形机器人也不再是科幻。
阿里.莫因在加州大学伯克利分校电子工程与计算机科学系攻读博士学位时帮助设计了这套系统，他说“目前，假肢是这项技术的重要可行应用之一，除此之外，它还提供了一种非常直观的与计算机沟通的方式”。“读懂手势是改善人机交互的一种重要交流方式。虽然其他方法也可以做到这一点，比如使用摄像头和计算机视觉，但这是一个很棒的解决方案，同时也能够有效的保护个人隐私。”比如像钢铁侠那样的凌空手势操作。
莫因是描述这套系统论文的作者之一，这篇论文发表在12月21日的《自然电子学》杂志网络版上。为了开发该手势识别系统，团队与加州大学伯克利分校电气工程教授安娜阿里亚斯合作，设计了一种灵活的穿戴生物传感器，它可以读取前臂64个不同位置的电子信号。电信号随后被送入一个电子芯片，该芯片通过人工智能算法编程，能够将前臂的这些信号模式与特定的手势相联系起来，表述该手势所表达的意思。通过一系列的实验优化，团队成功地教会系统算法识别出21个手势，包括竖起大拇指、握拳、平掌、举起手指和数数字。
莫因说:“在实际操作中，当你想要收缩手部肌肉时，大脑会通过颈部和肩部的神经元向手臂和手部的肌肉纤维发送相应的电信号”。“本质而言，袖带中的电极感应到的就是这个电信号。但是它没有那么具体精确，因为我们无法确定哪根肌肉纤维被触发了，但在高密度电极电信号反馈的情况下，它仍然可以通过学习识别特定的信号模式，并给出答案。”
不可否认的是，与其他人工智能软件一样，该算法必须首先“学习”手臂上的电子信号数据如何与具体某个手势相对应。要做到这一点，每个用户都必须戴着传感器系统，同时一个一个不断重复的做手势，让该系统学习并识别。
不过有一点比较好的是，新系统使用了一种被称为“多维计算算法”的先进人工智能算法，这种算法能够调用数据库更新修正自己。例如，如果与特定手势相关的电子信号因为用户的手臂出汗，或者他们把手臂举过头顶而发生变化，算法就可以将这些新信息整合到它的数据模型中，以收集数据做参照。
莫因说:“在手势识别中，你的手势信号会随着时间的推移而发生变化，这将影响你的手势模型的识别能力。”“通过更新系统上的数据库，我们能够极大地提高手势分类的准确性。”
这种新系统的另一个优点是：所有的计算都在芯片上本地进行:个人数据不会传输到附近的计算机或设备上。这不仅加快了计算时间，而且还确保了个人生物数据的隐秘。
加州大学伯克利分校的电气工程学院特聘教授唐纳德O佩德森和这篇论文的高级作者简拉贝表示：“亚马逊或苹果在设计自己的算法时，它们会先在云端运行一堆软件并收集与你相关的一系列数据来建立模型，然后这个模型会下载到你的设备上”。“问题是，在模型学习优化的过程中你会被特定的模式锁定。而在我们的系统中，我们实现了在独立设备上完成学习的过程，而且它非常快:你只需要做一次，它就可以正常工作了。但是如果你多次练习，它会自行优化的更好。”
虽然这套新系统还没有为商业化推广做好准备，但拉贝表示，只要稍作调整它就有可能实现量产并迅速面向市常
“主要的技术已经调整测试完毕，但这个系统的独特之处在于：它将生物传感器、信号处理和信号解释以及人工智能集成到一个相对较孝灵活和低功耗的系统中，”拉贝说，这还需要进一步的应用设计才能够真正走进大家的生活。
想一想未来全领域应用机器人到来的那一天，我们还有多少独门绝技是机器人做不到的？除了抽烟、喝酒、扯P，有人工智能代替干活，貌似我们人类在偷懒的路上越跑越偏。。。
