Seinien läpi näkeminen saattaa kuulostaa melko kaukaa haetulta tieteisfiktiolta.

Yhdysvaltalaisen Massachusettsin teknillisen korkeakoulun eli MIT:n tietokonetieteilijöiden ryhmä on kuitenkin viime vuosikymmenen aikana päässyt yhä lähemmäksi tieteisfiktion muuttamista todellisuudeksi, kertoo EurekAlert-sivusto.

Tutkijaryhmän uusin edistysaskel, ”RF-Pose” -aikaansaannos hyödyntää tekolyä opettaessaan langattomia laitteita aistimaan ihmisen asennot ja liikkeet, myös seinien läpi.

Tieteilijät käyttävät luomuksessaan tekoälyä ihmiskehoista kimpoavien radiosignaalien analysoimiseksi.

Vastaanotettujen signaalien pohjalta tekoäly kykenee luomaan kaksiulotteisia ”tikku-ukkoja”, jotka kävelevät, pysähtyvät paikoilleen, istuvat ja liikuttavat raajojaan reaaliaikaisesti samaan tahtiin kuin ihmismallikin.

Tutkijoiden mukaan järjestelmää voitaisiin käyttää MS-taudin tai Parkinsonin taudin kaltaisten sairauksien tarkkailuun. Tekoälyn hankkima data auttaisi hoitohenkilökuntaa ymmärtämään paremmin sairauden kehityskulkua järjestelmän seuratessa potilaan arkipäiväisiä toimintoja.

Kuten tutkijat totesivatkin lehdistötiedotteessa, järjestelmän avainhyöty on se, että potilaan ei itse tarvitse ladata mitään laitteita tai pitää yllään puettavaa anturia.

Tekoälynvahvisteinen RF-Pose voisi myös mahdollistaa vanhukselle itsenäisemmän elämäntyylin lisäämällä turvallisuutta tiiviimmällä seurannalla kaatumisten, vammojen tai aktiviteettitaulukoiden muutosten varalta.

Terveydenhuoltosektorilta löytyy myös monia muita käyttökohteita RF-Pose:n kaltaisille ratkaisuille, ja niitä tarkastellaan parhaillaan.

MIT:n projektiryhmän mukaan terveydenhoidon lisäksi RF-Pose kelpaisi  käytettäväksi sellaisussa videopeleissä, joissa pelaajien tulee liikkua ympäri taloa.

Parhaassa tapauksessa yhdysvaltalaiskehitteisestä järjestelmästä voisi olla apua etsintä- ja pelastustehtävissä.

Tutkijat aikovat esitellä RF-Pose:n kokonaisuudessaan myöhemmin tässä kuussa Salt Lake Cityssä, Utahin osavaltiossa Yhdysvalloissa järjestettävässä konferenssissa.

Kehittäessään järjestelmää tutkijat törmäsivät nopeasti perustavanlaatuiseen haasteeseen: suurin osa tekoälyratkaisuista saa oppinsa merkitystä datasta.

Esimerkiksi kissojen tunnistamiseen erikoistunut neuroverkko vaatii kehitysvaiheessa sen, että kehittäjät käyvät läpi suuren määrän kissakuvia ja lyövät jokaiseen kuvaan ”ei-kissa”- tai ”kissa”-digietiketin. Helppoa, mutta työlästä.

Radiosignaalien kohdalla tunnistaminen ja merkitseminen ei olekaan yhtä helppoa.

Selättääkseen haasteen tutkijat keräsivät tuhansia kuvia ihmisistä kävelemässä, keskustelemassa, istumassa, avaamassa ovia ja odottamassa hissiä.

Kameran kuvia käytettiin hyväksi tekoälyn ”tikku-ukkojen” piirtämisessä. Tikkumaisia hahmoja esitettiin neuroverkolle kuvan aktiviteettia vastaavan radiosignaalin kera.

Yhdistelmällinen lähestymistapa mahdollisti sen, että tekoäly oppi tunnistamaan radiosignaalien ja hahmojen liikkeiden välisen suhteen.

Harjoittelun jälkeen RF-Pose kykeni arvioimaan elävän henkilön asennon ja liikkeet pelkästään langattomien laitteiden välittämien sekä henkilöstä kimmokkeen ottaneiden radiosignaalien avulla ilman kameroiden apua.

Koska kameran linssin lävitse ei voi nähdä seinän läpi, neuroverkon opintomateriaaliin ei koskaan sisällytetty seinän takaista sisältöä.

Se, että RF-Pose todella kykeni tunnistamaan kohteita seinän läpi ilman perinteisiä optisia apuvälineitä, oli myös tutkijoille täysi yllätys.

Aivan kuin seinien läpi näkeminen ei olisi ollut jo tarpeeksi, tietokonetieteilijät osoittivat, että pelkästään kehosta kimpoavien langattomien signaalien avulla voidaan tunnistaa myös ihmisen henkilöllisyys hämmästyttävän tarkoin lopputuloksin. Menetelmä toimi 83 prosentin kohdalla sadasta koehenkilöstä.

Seuraavaksi yhdysvaltalaistutkijat pyrkivät viemään tekoälyn käyttämät tikkumaiset hahmot kolmiulotteiselle tasolle, jolloin myös pienien liikkeiden tunnistaminen tulisi osaksi RF-Posen taitokirjoa.