自2018年回归学术界后，李飞飞教授便很少对外露面，近日在一次斯坦福的线上会议，让我们有机会了解她与团队的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》（COVID-19 大流行病中人工智能辅助的老年人居家防控）。她介绍了如何利用人工智能技术帮助弱势群体——老年人抗击新冠肺炎和慢性病管理的落地解决方案，该方案运用了 RGB 相机、深度传感器、温度传感器、可穿戴传感器，以边缘计算为核心，同时着重强调保护个人隐私问题。
李飞飞在接受采访时表示，「我们将使用联合学习，以无监督的方式对每个边缘设备上的模型进行更新，以适应新环境并提高鲁棒性。通过使用联合学习，我们希望通过将攻击面仅限于设备，而不是设备和云来降低个人隐私和安全风险。」此外，李飞飞还分享了包括感染检测、移动性分析、睡眠模式分析和饮食模式分析等四个不同场景的应用模式，以解释人工智能传感器如何协助医疗护理人员和家人，帮助和保护老年人。目前，该项目已经在旧金山地区进行试点合作。
编译 | 机器之能
上周，斯坦福大学 Human-Centered Artificial Intelligence（HAI，以人为本人工智能研究所）主办了一场名为《Artificial Intelligence and COVID-19:How Technology Can Understand,Track,and Improve Health Outcomes》的线上会议，30 余位斯坦福大学教职人员召集在一起，讨论 AI 如何帮助理解、跟踪新冠肺炎，和改善公共卫生等话题，横跨医学、计算机科学和人文学科等学界。
会上，李飞飞分享了她和团队的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》。她介绍了人工智能技术帮助老年人抗击新冠肺炎和慢性病管理的落地解决方案，该方案运用了 RGB 相机、深度传感器、温度传感器、可穿戴传感器，以边缘计算为核心，同时着重强调了个人隐私保护。
2018 年 9 月，斯坦福大学终身教授，斯坦福大学人工智能实验室主任李飞飞结束两年学术假期，卸任谷歌云机器学习负责人，回归斯坦福重拾基础科研。她曾谈到，一部分精力将继续 AI 医疗相关领域和 AI 基础科学的研究，「我目前最看好的是医疗健康的 AI 落地」。
今年 2 月，李飞飞入选了美国国家工程院院士。作为一名知名女性科学家，李飞飞现为美国斯坦福大学红杉讲席教授、以人为本人工智能研究院院长、AI4ALL 联合创始人主席等。李飞飞长在四川，十几岁时移居美国，2015 年入选「全球百大思想者」，并曾任谷歌云 AI 负责人及谷歌首席科学家。
回顾视频链接可见：https://hai.stanford.edu/events/covid-19-and-ai-virtual-conference/video-archive
（HAI线上分享部分内容）
李飞飞分享了一套基于 AI 的居家防护系统，该系统用于跟踪居民的健康状况，包括 COVID-19 的体征，重点为独居老人与家人或医疗护理人员保持联系，同时确保隐私和数据安全风险。
在新冠肺炎疫情大流行期间，照顾老年人的困难在于，保护老年人的最佳方法是减少与人的接触，包括注意到他们是否与表现出疾病症状的人进行接触。
该系统旨在解决跟踪老年人健康的问题，而不会使他们面临接触危险，并且还允许看护者远程监视患有现有疾病的老年人的基本健康状况。
一 如何帮助弱势的老年群体？
李飞飞在演讲中提到，她的团队由临床医生和计算机科学家紧密合作组成，在新型冠状病毒爆发之前就已经在研究该项目。
李飞飞研究团队成员
团队介绍环节，李飞飞重点谈到了 Alan Luo，他是斯坦福大学计算机科学系的二年级博士生，此次展示的项目是他当前研究的一部分。
「过去几年来，我们一直在研究一套 AI 技术如何帮助老年人更加独立生活，并应对慢性病管理。但最近，我们意识到，用于长期护理的相同技术可能也对疫情期间的老年人有所帮助。」她谈到。
该项目仍处于研究阶段。团队需要完成数据集的构建和模型训练，目前尚不清楚需要多长时间才能完成。但是，部分或整体而言，该系统最初是为一般老年人护理而设计的，对于在大规模隔离期间进行健康监测非常理想。
由于大规模隔离，老年人无法得到及时救治而失去生命的新闻不是少数。李飞飞在直播中介绍了一则真实发生的事情，一位儿子讲述了他年迈的父母在意大利的家中患了 8 天的高烧，在没有适当的医疗帮助的情况下感染了冠状病毒去世。
李飞飞在直播中介绍了新冠的最新研究数据。她谈道，无论是在感染率还是死亡率方面，新冠病毒对老年人的打击都比年轻人大，下图中的红条显示随着年龄的增长死亡率急剧上升。
究其原因，还需更进一步的科学研究作为佐证，医生和研究人员正在推测可能导致这种趋势的几个因素。
例如，大多数老年人的健康状况不好使他们更加脆弱，许多老年人的社区生活使得这种高传染性病毒传播更快。另外，老年人与护理人员互动交流，这些护理人员往往是较年轻的群体，可能携带病毒而没有症状。其他原因还可能包括医疗水平挑战或由于不堪重负的医疗系统而导致的对基础慢性病缺乏护理。
为此，李飞飞提出一个可能有效减少老年人感染和病死率的方法，即使用人工智能驱动的智能传感器技术，通过在家里安装传感器，帮助家庭和临床医生以通用和可扩展的方式跟踪老年人的健康状况。
二 好的系统应该保护隐私安全
一个可能有效减少老年人感染和病死率的方法是使用人工智能驱动的智能传感器技术，通过在家里安装传感器，帮助家庭和临床医生以通用和可扩展的方式跟踪老年人的健康状况。
李飞飞介绍，这套人工智能系统分为 4 个步骤，首先是通过把传感器放在家里收集数据。下表显示了各种智能传感器，它们在采集数据的形式和种类上互为补充，在灵敏度上也互为补充。
李飞飞在演讲中概述了四种类型的传感器—摄像头、深度传感器、热传感器和可穿戴式传感器（例如 FitBit）。李飞飞表示，他们的研究只集中在前三个方面。
她认为，由于隐私在这样的系统中很重要，所以相机提出了其他类型的传感器没有的挑战。她说：「摄像头传感器包含一个人活动的许多详细信息，但它与大多数人的隐私需求构成了冲突。」
她谈道，人工智能模型可以安装在边缘设备上，这样在部署时，数据就不必再离开房子，直接在终端处理，减少了隐私风险。
在第二步中，当传感器捕获数据时，系统会将其发送到安全的中央服务器。李飞飞承认，该过程存在固有的安全风险，例如网络攻击的威胁。
李飞飞在通过电子邮件答复 VentureBeat 采访时情调，研究人员在整个过程中都遵循隐私和安全准则。「例如，我们的边缘设备配备了磁盘加密功能，用户隐私属性的数据将会被删除，例如人脸，然后数据被加密后再传输到云中，并且我们的服务器符合 HIPPA 标准。」她说。
在第三步中，一旦数据到达服务器，经过批准的临床医生和 AI 专家将会对其进行分析和注释，以开发机器学习模型。
「人工智能模型被训练来识别临床相关的模式，包括呼吸、睡眠、饮食和其他行为。」李飞飞补充说，他们所寻找的模式是围绕日常生活活动进行，换句话说，该模式关注的是具体的措施，并不是对居民所有的日常活动进行广泛的分析。
其次他们将训练后的模型部署到边缘设备，其中检测系统可以在本地运行。这将创建一个闭环系统，其中没有数据必须离开的前提。「这本质上是安全的，但这使得我们无法对这个模型进行进一步的训练。」
研究人员制定了解决此限制的计划，李飞飞在回复 VentureBeat 的电子邮件中概述了这一限制。
「我们设想，仍将使用联合学习 ，以无监督的方式对每个边缘设备上的模型进行更新，以适应新环境并提高鲁棒性。通过使用联合学习，我们希望通过将攻击面仅限于设备，而不是设备和云来降低个人隐私和安全风险。」
最后，系统还需要一种将智能传感器检测结果传递给医疗护理人员或家庭成员的方法。
李飞飞说，目前团队尚未找到具体的解决方案，但正在考虑使用移动应用程序或 Web 界面，这两种方法都可以通过多因素身份验证来保护。
她表示：「在这项研究的每一步以及这项技术的部署中，我们都必须对道德、隐私和安全方面的挑战进行深思熟虑。」
三 四个应用场景
在直播中，李飞飞分享了四个实际应用案例，包括感染检测、移动性分析、睡眠模式分析和饮食模式分析，以解释人工智能传感器如何协助医疗护理人员和家人，帮助和保护老年人。
感染检测方面，据显示发烧检测和呼吸模式识别的样本图像表示，使用热传感器获取更多信息有助于感染的早期检测。
移动性分析方面，李飞飞团队将人工智能运用于理解人们的运动轨迹。在许多相关疾病中，病人的运动轨迹作为一个重要的临床指标。据下图显示，基于 AI 的传感器识别不同类型运动的准确性非常高。
睡眠模式分析，统计和分析每天睡眠的时间，以及睡眠的深浅。
最后，人工智能智传感器技术还可以用于分析饮食习惯，包括饮食、液体摄入和药丸摄入等。
在新冠肺炎时期，最大的难题是医疗系统超负荷导致护理人员缺乏，这些应用可以在生活日常帮助到老年人。李飞飞强调，「这些传感器并不是要做出诊断性决策或取代临床医生，而是可以持续存在，关注生活在家中的老龄人口，并及时向临床医生和家人发出警报。」
四 落地旧金山试点
当前的流行病带来的挑战不仅包括确保老年人的安全和健康，还包括更广泛地关注迫切需要跟踪的疾病和应该被隔离的人群。
李飞飞表示不会涉足隐私领域。「我们的目标是提出尖端的计算机视觉和机器学习技术，以解决医疗保健中最重要和最具挑战性的问题，并提出道德、隐私和 AI 医疗保健研究的安全指南。」
其他一些由 AI 驱动的家庭监控系统也涉及可穿戴设备，例如 Current Health、 Rhythm 和 LiveFreely 。
诸如 Care.ai 的解决方案采用计算机视觉来采取非接触式监视方法，并且这种方式类似于李飞飞团队正在开发的系统，但是 Care.ai 的系统是为医院而不是家庭护理而设计的。
李飞飞表示，目前这个研究项目正在进行中，研究团队仍然专注于科学研究。最新的进展是，他们已经在旧金山的辅助生活设施完成了一项试点研究，与致力于优质老年护理的组织 On Lok 合作，并将进入下一阶段的研究。
