近日，美國(guó)馬薩諸塞大學(xué)計(jì)算機(jī)科學(xué)學(xué)院在Arxiv.org上發(fā)表論文，提出進(jìn)一步得到優(yōu)化的CALMNet模型，該模型可以用于預(yù)測(cè)大學(xué)生壓力水平。進(jìn)入互聯(lián)網(wǎng)時(shí)代后的快節(jié)奏生活帶來(lái)了科技的加速進(jìn)步，而技術(shù)的指數(shù)式發(fā)展帶來(lái)了快節(jié)奏的生活。當(dāng)下，在國(guó)內(nèi)一二線(xiàn)城市生活的年輕人，包括學(xué)生，都面臨著高頻的生活節(jié)奏和學(xué)習(xí)節(jié)奏，隨之而來(lái)的同時(shí)也有各種壓力。

　　據(jù)外媒報(bào)道，美國(guó)馬薩諸塞大學(xué)計(jì)算機(jī)科學(xué)學(xué)院在近日發(fā)表的一篇研究論文指出，其可以通過(guò)AI對(duì)壓力水平進(jìn)行預(yù)測(cè)。

　　“隨著可穿戴設(shè)備的日益普及，通過(guò)在Fitbit、Apple Watch，以及其他智能可穿戴設(shè)備中引入功能強(qiáng)大的傳感器收集生理、行為數(shù)據(jù)已經(jīng)變得可以承受，這使得研究人員能夠利用從這些設(shè)備收集到的生理數(shù)據(jù)來(lái)預(yù)測(cè)佩戴者的精神狀態(tài)，例如情緒、壓力。”研究人員在《深度多任務(wù)網(wǎng)絡(luò)的個(gè)性化學(xué)生壓力預(yù)測(cè)》一文中指出。

　　自2000年以來(lái)，已有研究人員通過(guò)心率、皮質(zhì)醇水平、皮膚導(dǎo)電率等人類(lèi)生理參數(shù)的檢測(cè)與研究，檢測(cè)人類(lèi)受到的壓力；Mikelsons, G、Smith, M等人在其2018年發(fā)表的論文《利用智能手機(jī)數(shù)據(jù)進(jìn)行心理狀態(tài)預(yù)測(cè)的深度學(xué)習(xí)模式：挑戰(zhàn)與機(jī)遇》中提出，通過(guò)StudentLife（一款A(yù)PP）采集的數(shù)據(jù)集，基于位置特征和神經(jīng)網(wǎng)絡(luò)方法，建立基于位置的MultiLayer感知模型（MLP模型），用以預(yù)測(cè)中學(xué)生的壓力水平。

　　《深度多任務(wù)網(wǎng)絡(luò)的個(gè)性化學(xué)生壓力預(yù)測(cè)》一文中提出跨個(gè)人活動(dòng)LSTM多任務(wù)自動(dòng)編碼器網(wǎng)絡(luò)模型（CALMNet），它將數(shù)據(jù)視為時(shí)間序列，并能夠識(shí)別學(xué)生數(shù)據(jù)中包含的時(shí)間模式，通過(guò)包含這些不同級(jí)別的信息和個(gè)性化數(shù)據(jù)對(duì)學(xué)生的壓力水平進(jìn)行預(yù)測(cè)。據(jù)論文作者表示，CALMNet模型相對(duì)于此前的MLP模型有45.6％的精準(zhǔn)度提升。

　　該論文中提出的模型的數(shù)據(jù)庫(kù)是在達(dá)特茅斯學(xué)院對(duì)48名學(xué)生連續(xù)10周通過(guò)StudentLife進(jìn)行數(shù)據(jù)收集，收集數(shù)據(jù)主要包括睡眠狀況、活動(dòng)情況、飲食情況等基本生活及生理數(shù)據(jù)。每天通過(guò)StudentLife應(yīng)用程序收集數(shù)據(jù)，并通過(guò)對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析進(jìn)行1-5級(jí)的壓力的生態(tài)瞬時(shí)評(píng)估（EMA）。

　　在測(cè)試中，CALMNet模型相對(duì)此前壓力檢測(cè)模型有所改進(jìn)，研究人員推測(cè)這是其將數(shù)據(jù)視為時(shí)間序列的直接結(jié)果?！癈ALMNet模型融合精細(xì)時(shí)態(tài)信息和高級(jí)協(xié)變量的能力，能夠?yàn)槊课粚W(xué)生提供個(gè)性化模式而又不會(huì)過(guò)度擬合的架構(gòu)，有助于提高其模型的性能?！?/p>

　　目前智能可穿戴設(shè)備主要分為運(yùn)動(dòng)、健康兩大應(yīng)用場(chǎng)景定位，而目前的智能手環(huán)、智能手表仍沒(méi)有像移動(dòng)互聯(lián)網(wǎng)時(shí)代的智能手機(jī)一場(chǎng)成為人手必備，無(wú)論是在功能性、可玩性、用戶(hù)粘性上，并沒(méi)有很好的表現(xiàn)。

　　盡管如此，不得不提的是，智能可穿戴設(shè)備的出貨量還是穩(wěn)步增長(zhǎng)，而且相當(dāng)可觀的。據(jù)IDC調(diào)研數(shù)據(jù)顯示，2018年全年可穿戴設(shè)備出貨量為1.722億臺(tái)，同比增長(zhǎng)27.5%。包括蘋(píng)果、小米、華為、Fitbit、三星的可穿戴設(shè)備單季度銷(xiāo)量都已超百萬(wàn)。這將為設(shè)備廠商、研究人員帶來(lái)更多用戶(hù)與設(shè)備的交互數(shù)據(jù)及設(shè)備監(jiān)測(cè)到的數(shù)據(jù)，這些數(shù)據(jù)將進(jìn)一步為可穿戴設(shè)備的功能提升、新功能出現(xiàn)帶來(lái)可能。

　　目前通過(guò)大數(shù)據(jù)、通過(guò)AI模型已經(jīng)可以測(cè)量用戶(hù)心理、血壓、睡眠情況，而這些功能也已經(jīng)應(yīng)用到諸如智能手環(huán)、智能手表等可穿戴設(shè)備中。隨著可穿戴設(shè)備越來(lái)越普及，越來(lái)越多的真實(shí)用戶(hù)數(shù)據(jù)匯集到設(shè)備商、研發(fā)人員手中，將會(huì)有越來(lái)越多的用戶(hù)生命體征、健康狀況將會(huì)通過(guò)傳感器實(shí)時(shí)收集，通過(guò)AI模型實(shí)時(shí)分析并顯示，這將會(huì)使可穿戴設(shè)備的功能越來(lái)越強(qiáng)大，有望成為在功能、應(yīng)用場(chǎng)景上有別于智能手機(jī)的下一代移動(dòng)終端。