通過無線電波與人工智能的結合，麻省理工學院的研究人員研發了一個全新的探測系統：可以看到墻另一邊的人移動的骨骼狀圖像。雖然這聽起來像是特警隊在破門而入之前希望擁有的技術，但它已經以一種令人驚訝的方式被用于監控帕金森癥患者在家中的活動。

　　該項目的高級研究員、麻省理工學院電子工程和計算機科學教授迪娜·卡塔比(Dina Katabi)說：“人們對這種技術的興趣可以追溯到幾十年前，美國國防部高級研究計劃局(DARPA)曾有一個重大項目，試圖使用無線信號探測位于墻壁后的人。但在這項最新的研究之前，這些系統所能做的只是顯示一個人在墻后的斑點狀圖形。”

　　如今，這項技術能夠更精確的顯示信息：它能把場景中的人描繪成像骷髏一樣的木棍，同時顯示出他們在做日常活動時的實時動作，比如行走和坐臥。這項技術的重點在于檢測人體的關鍵部位，包括肘關節、臀部和腳。卡塔比說道：“當在墻后面的人開始移動時，你就會看到系統創建的火柴人會做出相同的動作，如果那個人坐下來，你就會看到系統中的火柴人也坐下來。”

　　一、無線電信號反射出人體，神經網絡加以識別

　　RF-Pose系統的工作原理是：傳輸比WiFi功率低1000倍的無線信號，穿透物體，如墻壁，再反射出人體——由于人體大部分由水組成，無線電無法穿透——之后再穿過墻壁回到設備中

　　RF-Pose系統使用無線信號，可以作為一個醫療保健系統，監測患者在墻壁另一側的運動。

（圖片來源：Jason Dorfman / MIT CSAIL）

　　現在的問題是：如何解讀系統回傳的信息？卡塔比說：“這就是人工智能，特別是神經網絡機器學習發揮作用的地方。”

　　人工智能研究人員通過添加注釋信息來訓練神經網絡，使它能從數據中推斷出自己的規則以便學習，這個過程就叫做監督學習。以一個識別貓的神經網絡為例，其需要人們找到一個很大的圖片數據庫，并且將其中的圖片都標注為“是貓”和“不是貓”。如果想要教一輛自動駕駛汽車紅綠燈是什么樣的，你需要顯示包含紅綠燈的圖像，并對其進行注釋，以便告訴AI什么是紅綠燈。

　　（圖片來源：MIT CSAIL）

　　為了解決這一難題，研究者使用無線設備和攝像頭來采集數據。他們拍攝了數千張人類活動場景（如行走、說話、坐下、開門和等電梯）的照片。神經網絡通常用來解析圖像，但也可以用來執行復雜的任務，比如從一種語言翻譯到另一種語言，甚至可以通過模仿所給出的數據生成新的文本。

　　但在這種情況下，有一個問題：沒有人能通過無線電無線電信號分析出哪個位置是頭，哪個位置是腳。換句話說，通過圖像處理信息很容易，但通過人身上反射的無線電信號數據處理信息就沒那么輕松了。

　　（圖片來源：MIT CSAIL）

　　研究團隊的解決方案是在訓練期間，把信號接收器和攝像機連接起來，然后給攝像機創建的圖像貼上信息標簽，并且提取出不同姿勢的人類簡略骨架（火柴人圖，用于表示人體姿態），將其與無線信號對應起來。這樣的組合能讓系統學習出場景中無線信號和火柴人圖之間的關聯，幫助神經網絡將這些活動聯系起來。

　　為了能讓攝像機真正接受到圖像信號，這些訓練工作必須在沒有墻的情況下完成。卡塔比解釋道：“我們使用攝像機上的信息標簽和同時發生的無線電信號來對它們進行訓練。”

　　訓練結束后，他們驚訝地發現，盡管這個系統只對可見的人進行了訓練，但他們依然能探測到隱藏于墻背后的人。“它們能看到并描繪出墻壁后面的人形，盡管在訓練中它們從未見過。” 卡塔比說道。 不僅如此，它甚至可以通過人們的步態來區分他們。在另一個神經網絡的幫助下，該系統可以記錄人們走路的特征并識別不同的人，即使隔著墻壁，識別個體的準確率仍超過83%。

　　二、初步應用于治療帕金森患者

　　研究人員已開始將這項系統付諸實踐，在一項針對帕金森患者的小型研究中，通過在病人家中安裝這些設備，他們可以在舒適的環境下監控患者的動作，而不需要使用攝像頭。從這個意義上說，它比傳統的視頻監控少了些許侵入性。這項研究共涉及7人，歷時8周。

　　卡塔比說：“系統分析的結果與用于評估患者的標準問卷‘高度相關’。” 此外，它還揭示了關于帕金森患者生活質量的更多信息。目前，Michael J. Fox基金會正在資助團隊進行進一步的研究；卡塔比說，通過這種方式監測病人可以幫助患者避免“白大褂綜合癥”，即病人在醫生面前就診時表現不同。

　　這項技術的使用也會引發相應的隱私問題，但卡塔比解釋過，在沒有得到人們同意的情況下，它不會被應用于任何人身上。