یادگیری ماشین از حرکات بدن

در این جا می بینیم که چگونه هوش مصنوعی نحوه حرکات بدن ما را تغییر می‌دهد.
دوشنبه، 27 ارديبهشت 1400
تخمین زمان مطالعه:
موارد بیشتر برای شما
یادگیری ماشین از حرکات بدن
تصویر: اجرای «Sorcieres: حرکات موزون همراه با تلفن‌های هوشمند در ENSCI les Ateliers
 
"در طول دهه گذشته، یادگیری ماشینی، که بخشی از هوش مصنوعی (AI) است، به ما اتومبیل‌های بدون راننده، تشخیص گفتار واقعی، جستجوی مؤثر در شبکه و درک بسیار بهتر از ژنوم انسان را داده است." (بی بل، ویرد، 2016)
 
با یادگیری ماشینی، اکنون می‌توانیم حرکات خود را با استفاده از ریز حسگر (میکرو سنسور) به دستگاه یاد بدهیم، در حالی که داده‌های آن‌ها در همه ‌جا موجود است. حرکات بدن را می‌توان از طریق شبکه‌ها شناسایی کرد، به خاطر سپرد، تفسیر کرد و به اشتراک گذاشت. در عصر دیجیتال اپلیکیشن‌های زیادی در زمینه بهداشت، ورزش و به‌ ویژه آموزش وجود دارد. در مقاله اخیر در نشریه "لوموند" چنین آمده است:
 
 "با پیشرفت در هوش مصنوعی و پردازش زبان طبیعی، صدا به‌ آرامی جایگاه خود را به ‌عنوان واسطه جدیدی برای رسیدن به دنیای دیجیتال تثبیت می‌کند."
 
بنابراین حرکات بدن یکی دیگر از واسطه‌های  نو ظهور برای رسیدن به دنیای دیجیتال است.
 
 یادگیری ماشین از حرکات بدن
 
تصویر: با حرکت دادن بازو نوشتن حروف R، G و B به کامپیوتر آموزش داده می‌شود. سپس با تکرار این حرکات، کامپیوتر آن‌ها را تشخیص می‌دهد.
در دنیایی که چنین به سرعت و به گونه ای بنیادی در حال تغییر است، چگونه می‌توانیم روش‌های آموختن و یادگیری را بیاموزیم؟ 

میلیاردها حسگر

طی 10 سال گذشته، ریز حسگرها تکثیر یافته و زندگی ما را مورد هجوم خود قرار داده‌اند. آن‌ها به‌ طور مداوم حرکات ما را تشخیص داده و اندازه ‌گیری می‌کنند. هر چند می‌دانیم، اما غالباً متوجه نمی‌شویم که آن‌ها دائماً حتی گام‌های روزانه ما را می‌شمارند. در زندگی ما هر یک از این میلیاردها حسگر حداکثر 100 اندازه‌گیری در هر ثانیه انجام می‌دهند. معنی همه این داده‌ها چیست؟ تأثیر حضور آن‌ها در زندگی ما چگونه است؟ پاسخ ممکن است "مهم باشد، اما نه آن‌قدرها"، زیرا امروزه فناوری دیجیتال اساساً بر روی صفحه‌های نمایش همه ‌جا گستر بنا شده است. آن‌ها چنان بر زندگی روزمره ما فشار می‌آورند که تصاویر را جایگزین دنیای واقعی می‌کنند و درواقع بدن را متوقف می‌کنند.
 
ما با استفاده از داده‌های میکرو حسگرهای حرکتی، که با یادگیری ماشین به صورت بلادرنگ پردازش می‌شود، سعی می‌کنیم به دنیای واقعی برگردیم: آیا می‌توان یک دنیای دیجیتال بدون صفحه نمایش و صفحه‌کلید را تصور کرد، به طوری که باعث ‌شود علاقمند شویم از طریق حرکات و حالات بدن با استفاده از تلفن‌های همراه‌مان ارتباط برقرار کنیم؟
 
آیا در عصر دیجیتال همه ما می‌توانیم رقصنده باشیم؟ آیا اتحاد حسگرها و یادگیری ماشین برای پردازش داده‌های آن‌ها به صورت بلادرنگ و قرار دادن آن‌ها در دست ما می‌تواند این تصویر شگفت‌ انگیز را محقق کند؟
 
 یادگیری ماشین از حرکات بدن
 
تصویر: تصور کنید: همه ما برای برقراری ارتباط به حسگرها متصل می‌شویم.
 آیا می‌توانید با حرکت دادن یک تلفن هوشمند، نواختن موسیقی را یاد بگیرید؟

ابزاری جدید برای توان بخشی در منزل

توان بخشی اولین تجربه ما بود. واضح بود که باید این سؤالات را از طریق این اپلیکیشن وارد کنیم. چگونه می‌توانید بیمار را پس از عمل تعویض مفصل زانو یا مفصل ران به بهترین وجه همراهی کنید؟ این کار با کمک یک محیط فناوری که به ‌طور فزاینده‌ای در حال فردی شدن است، از طریق همکاری نزدیک با پرستاران انجام می‌شود. این قلب همکاری با بخش تروما در بیمارستان "لاریبوئیزر" پاریس است. این اپلیکیشن براساس پیوند بین حسگرها، پردازش هوشمند داده‌ها و طراحی رابط بیمار توسعه یافته است. در عمل، یک صفحه الکترونیکی کوچک که حسگرهای تلفن هوشمند و wi-fi روی آن قرار گرفته است، به جوراب یا لباس بیمار دوخته می‌شود.
 
 یادگیری ماشین از حرکات بدن
 
تصویر: دوباره قدم زدن تحت نظارت فناوری.
 
بیمار که توسط یک فیزیوتراپیست مشاهده می‌شود، حداکثر محدوده حرکات بدن خود را به دستگاه یاد می‌دهد، حدی که فراتر از آن، سیگنال هشدار پخش می‌شود. بنابراین بیمار می‌تواند در زندگی روزمره، تحت نظارت و مراقبت دقیق این فناوری، تمرین کند. شخصی سازی جنبه اساسی این مربی الکترونیکی است. نحوه حرکت خود را به من نشان دهید...
 امروزه فناوری دیجیتال اساساً بر روی صفحه‌های نمایش همه ‌جا گستر بنا شده است.اندازه‌گیری حرکت و پردازش داده‌ها مزیت مضاعف برای بیمار دارد. کنترل بلادرنگ سیگنال، منطقه اطمینان وی را افزایش می‌دهد. بیمار همچنین می‌داند که داده‌ها توسط مراقبان در صورت لزوم منتقل و تجزیه و تحلیل می‌شود.
 

آیا باید حرکات خود را برای یاد گیری بهتر آن‌ها تقویت کنیم؟

مشاهده ها نشان می‌دهد که چگونه می‌توان هر نوع علامت یا اطلاعات دیجیتالی را با حرکات و حالات بدن مرتبط کرد. این ها بر اساس کار گروه Fédéric Bevilacqua در IRCAM  (انستیتوی de Recherche et Coordination Acoustique Musique ) در پاریس است. جای تعجب نیست که IRCAM، (که تحت حمایت مالی Pierre Boulez آهنگ ساز است) یکی از بازیگران اصلی در این تحقیق است. در لیست ظریف‌ترین و دشوارترین حرکات ما، حرکاتی که توسط آلات موسیقی به ما تحمیل می‌شود در صدر قرار دارد. آیا می‌توانید با حرکت دادن یک تلفن هوشمند، نواختن موسیقی را یاد بگیرید؟
 
 یادگیری ماشین از حرکات بدن
 
تصویر: واسطه‌های حرکتی برای موسیقی دیجیتال در IRCAM.
 
در اینجا می‌توانید گفتگو با ماشین یادگیری را امتحان کنید. این اپلیکیشن وب COMO"" است که توسط IRCAM تولید شده است. حرکات خود را به تلفن هوشمندتان بیاموزید و با صداها بازی کنید. از IRCAM، این فناوری به مرکز تحقیقات میان رشته‌ای (CRI) در دانشگاه "دکارت" پاریس، مرکز آزمایش و نوآوری آموزشی گسترش یافته است. CRI پاریس در یک "آزمایشگاه حرکت" "مسئله حرکات بدن به‌ عنوان یک واسطه نو ظهور برای رسیدن به دنیای دیجیتال" را از نظر یادگیری و آموزش حل می‌کند.
 با پیشرفت در هوش مصنوعی و پردازش زبان طبیعی، صدا به‌ آرامی جایگاه خود را به ‌عنوان واسطه جدیدی برای رسیدن به دنیای دیجیتال تثبیت می‌کند.امروزه ما چگونه یاد می‌گیریم؟ واقعاً در دنیایی که چنین به سرعت و به گونه ای بنیادی در حال تغییر است، چگونه می‌توانیم روش‌های آموختن و یادگیری را بیاموزیم؟ چگونه می‌توان یک جامعه یادگیرنده ساخت؟ پاسخ "فرانسوا تادئی" مدیر CRI این است: "با همکاری صمیمانه و حفظ نگاه حیرت زده به جهان". استفاده از این فناوری‌ها برای یادگیری مادام العمر در جهانی که به ‌صورت انبوه دیجیتالی شده است هیجان انگیز اما دشوار است. در واقع، هیچ کس در اینجا متخصص نیست، زیرا این پیشرفت فناوری ما را به فراتر از الگوهای فکری معمول می‌برد. اما خبرهای خوبی هم وجود دارد: وقتی با یک دیگر حرکت می‌کنیم، از همه در قایق‌ استقبال می‌کنیم ...
 

از دانشمندان تا حرکات موزون معاصر

مدتی طول کشید تا بفهمم چرا محققان و دانشجویانی از رشته‌های رقص معاصر، علوم کامپیوتر و روباتیک، طراحی، آموزش، نساجی، فیزیک، مکانیک، انسان شناسی، بهداشت، ورزش، موسیقی، صدا و موارد دیگر در اطراف IRCAM ، CRI پاریس و مدرسه طراحی  ENSCI Les Ateliers جمع می‌شوند. در این کارگاه‌ها همه این افراد وجود دارند که ما سناریوهایی را برای استفاده آنها از این ابزارهای جذاب اما گیج کننده جستجو کنیم. به‌عنوان مثال، یک بار سعی کردم حرکتی را به تلفن هوشمند خود یاد بدهم، هنگامی که آن حرکت را برای دستگاه تکرار کردم، آن را تشخیص نداد. رقصنده‌ای که با ما بود تلفنم را گرفت و از حرکت من تقلید کرد. بعد هر دو به سرعت توانستند "حالت بدنم " را تشخیص دهند.
 
اگر حرکات بدن بتواند به واسطه‌ای برای رسیدن به دنیای دیجیتال تبدیل شود، روش جدیدی برای حرکت پدید می‌آید. این امر باعث می‌شود به حرکاتی که هر روز بدون این که به آن‌ها فکر کنیم انجام می‌دهیم، بیشتر توجه کنیم. در مقاله Le Geste et la Parole (1965) که توسط André Leroi-Gourhan در دنیای غیر دیجیتالی آن زمان نوشته شده است، چنین آمده:
 
"تمرین‌های آکروباتیک، تمرینات تعادل و حرکات موزون، تا حد زیادی تلاش برای کوتاه کردن زنجیره‌های عملیاتی عادی را  عینیت می‌بخشد، یعنی جستجوی آفرینشی که چرخه روزانه حرکات و وضعیت‌های بدن در فضا را شکسته است."
  با یادگیری ماشینی، اکنون می‌توانیم حرکات خود را با استفاده از ریز حسگر (میکرو سنسور) به دستگاه یاد بدهیم.به گمانم این مقاله کاملاً حق مطلب را ادا کرده است، واقعاً تعجب آور نیست که همکاری با رقص معاصر چنین به سرعت جایگاه خود را در تحقیق حرکات بدن و وضعیت‌های ناشی از فناوری و علم به دست آورده است.
 
منبع: ژوئل شِوریر، Université Grenoble Alpes (UGA)


مقالات مرتبط
ارسال نظر
با تشکر، نظر شما پس از بررسی و تایید در سایت قرار خواهد گرفت.
متاسفانه در برقراری ارتباط خطایی رخ داده. لطفاً دوباره تلاش کنید.
مقالات مرتبط