DeepMind AI กับการทำนายการสูญเสียเฉียบพลันของไต

ภาคตะวันออกเฉียงเหนือของอเมริกา ความท้าทายที่ยิ่งใหญ่ที่สุดของโรงพยาบาลต้องเผชิญคือการคาดการณ์เมื่อผู้ป่วยที่อ่อนแอและเสี่ยงต่อการเสียชีวิตแบบเฉียบพลัน ซึ่งการเปลี่ยนแปลงเล็กน้อยของข้อมูลสุขภาพ และเป็นข้อมูลที่กว้างเกินไปสำหรับมนุษย์ที่จะตรวจสอบสิ่งเหล่านี้ได้อย่างมีประสิทธิภาพ

ในบทความที่ตีพิมพ์ในวันพุธในวารสาร Nature นักวิจัยที่ DeepMind อธิบายวิธีแก้ปัญหาที่เป็นไปได้: ระบบ Machine Learning ที่สามารถบีบอัดข้อมูลนับแสนในบันทึกของข้อมูลสุขภาพในรูปแบบอิเล็กทรอนิกส์ เพื่อช่วยเตือนแพทย์ถึงวิกฤตที่ใกล้จะเกิดขึ้นก่อนที่มันจะเกิดขึ้นจริงกับผู้ป่วย

เพื่อแสดงให้เห็นถึงศักยภาพของระบบนักวิจัยที่  DeepMind ในเมืองลอนดอน ใช้เพื่อคาดการณ์การโจมตีของการบาดเจ็บของไตเฉียบพลัน   ปัจจุบันจากข้อมูลพบว่าการทำงานของไตลดลงอย่างฉับพลันในผู้ป่วยหลายแสนคนในโรงพยาบาลทหารผ่านศึกทั่วสหรัฐอเมริกา และ พบว่า AI สามารถคาดการณ์ 90% ของเหตุการณ์ที่จะเกิดขึ้นเหล่านี้ ที่จำเป็นต้องใช้การล้างไตโดยด่วนด้วยระยะเวลาไม่เกิน 48 ชั่วโมง เพื่อช่วยเหลือผู้ป่วย

แต่แม้ระบบนั้นจะยังห่างไกลจากความสมบูรณ์แบบอยู่:  มีการแจ้งเตือนที่ถูกต้องทุกครั้ง เมื่อใช้กับผู้ป่วยที่การบาดเจ็บรุนแรงน้อย โดยระบบจะมีประสิทธิภาพสูงกว่า 20 เปอร์เซ็นต์ เมื่อเทียบกับแบบจำลองที่ใช้ในการประเมินความเป็นไปได้ของการบาดเจ็บของไตในโรงพยาบาลแบบทั่วไป ซึ่งการใช้เทคโนโลยีมาช่วยดังกล่าวนี้ จะเน้นความสามารถในการให้คำเตือนที่แม่นยำยิ่งขึ้นเพื่อให้แพทย์สามารถป้องกันอันตรายได้ทันท่วงที

“ ลักษณะการทำนายของสิ่งที่เกิดขึ้นนั้นน่าประทับใจมาก” ดร. โจ บองเนอร์หัวหน้าแผนกเวชศาสตร์ไตที่บริกแฮมและโรงพยาบาลสตรีในบอสตัน  เขากล่าวว่า การแจ้งเตือนการบาดเจ็บของไตเฉียบพลันในระยะเวลา 48 ชั่วโมง  เมื่อการทำงานของไตลดลง และเหล่าของเสียที่สะสมอยู่ในเลือดนั้น อาจทำให้แพทย์สามารถตอบสนองโดยการควบคุมความดันโลหิตและลดการใช้ยาพิษที่อาจทำให้อวัยวะสูญเสียการทำงานได้ 

เขายังกล่าวอีกว่า“ เทคโนโลยีเหล่านี้จะนำไปใช้กับผู้ป่วยอื่น ๆ ในสถานที่อื่นนอกโรงพยาบาลทหารผ่านศึกหรือไม่”

นักวิจัย DeepMind ย้ำว่าระบบของพวกเขายังคงต้องได้รับการตรวจสอบในการดูแลทางคลินิกเพื่อให้แพทย์สามารถประเมินผลกระทบที่มีต่อผู้ป่วยได้อย่างเต็มที่ แต่พวกเขากล่าวว่าความสำเร็จในระยะแรกของวิธีการของพวกเขาชี้ไปสู่อนาคตซึ่งอัลกอริธึมสามารถคาดการณ์ได้จากข้อมูลบันทึกสุขภาพอิเล็กทรอนิกส์ เพื่อช่วยทำนายวิกฤตการณ์ที่จะเกิดขึ้นในผู้ป่วยในโรงพยาบาล เช่น การเกิดโรคปอดบวม หัวใจวาย หรือภาวะติดเชื้อ ซึ่งเป็นภาวะที่เสี่ยงต่อการเสี่ยงชีวิตได้สูงมาก 

Deepmind ที่นำ AI มาใช้กับเทคโนโลยีทางการแพทย์
Deepmind ที่นำ AI มาใช้กับเทคโนโลยีทางการแพทย์

ในการศึกษาระบบ AI ได้รับการ Training จากข้อมูลจากผู้ป่วยมากกว่า 700,000 case ที่รักษาในโรงพยาบาลและคลินิกผู้ป่วยนอก มันทำนายความเป็นไปได้ของการบาดเจ็บของไตโดยมองหารูปแบบของจุดข้อมูลนับแสนที่อยู่ในบันทึกสุขภาพที่เป็นข้อมูลอิเล็กทรอนิกส์

แน่นอนว่ามันถูกออกแบบมาเพื่อติดตามการเปลี่ยนแปลงในผู้ป่วยเมื่อเวลาผ่านไป ช่วยให้แพทย์คาดการณ์เพื่อปรับปรุงการรักษาอย่างต่อเนื่อง จากความน่าจะเป็นที่ผู้ป่วยจะได้รับบาดเจ็บจากภาวะไตเฉียบพลันภายใน 48 ชั่วโมง  ระบบยังสามารถระบุปัจจัยที่วิเคราะห์ข้อมูลมาจากข้อมูลสุขภาพอิเล็กทรอนิกส์ เพื่อช่วยหาบทสรุปได้

นักวิจัย DeepMind กล่าวว่าขั้นตอนต่อไปคือการตรวจสอบประสิทธิภาพของระบบในผู้ป่วยที่กว้างขึ้นและในสถานพยาบาลที่แตกต่างกัน อาจต้องใช้เวลาอีกหลายเดือน ก่อนที่ AI จะสามารถนำมาใช้ในเชิงพาณิชย์ได้จริง ๆ 

References : 
https://www.statnews.com/2019/07/31/deepmind-artificial-intelligence-predicts-acute-kidney-injury/

มารู้จักเทคโนโลยีใหม่ในการควบคุมแขนหุ่นยนต์ผ่านจิต

ถ้าคุณต้องการควบคุมหุ่นยนต์ด้วยความคิดของคุณ และมันเป็นเทคโนโลยีที่น่าทึ่งมาก และแน่นอนว่าใครจะสนใจหากมันทำงานได้จริง แต่ด้วยเทคโนโลยีที่ก้าวไกลในปัจจุบัน ตอนนี้คุณมีสองตัวเลือกในการควบคุมผ่านความคิด

คุณสามารถปลูกถ่ายสมองซึ่งในกรณีนี้ การควบคุมหุ่นยนต์ของคุณจะราบรื่นและมีความต่อเนื่อง หรือคุณสามารถข้ามความเสี่ยงการผ่าตัดที่มีราคาแพงหูฉี่ ด้วยอุปกรณ์ที่ตรวจจับคลื่นสมองของคุณจากภายนอกกะโหลกศีรษะของคุณ แต่การควบคุมนั้นจะไม่ราบรื่นเท่าที่ควรและที่สำคัญมันไม่ได้แม่นยำเหมือนการปลูกถ่ายสมอง

ตอนนี้ทีมจาก Carnegie Mellon University (CMU) กำลังลดช่องว่างระหว่างตัวเลือกทั้งสองโดยสร้างแขนหุ่นยนต์ที่ควบคุมโดยสามารถบังคับการเคลื่อนไหวอย่างได้อย่างต่อเนื่องและราบรื่น ซึ่งก่อนหน้านี้นั้นสามารถทำได้ในเฉพาะการปลูกถ่ายสมองเพียงเท่านั้น ซึ่งตอนนี้กำลังก้าวเข้าใกล้อนาคตที่เราทุกคนสามารถใช้ความคิดของเราเพื่อควบคุมเทคโนโลยีรอบตัวเราได้นั่นเอง

ในบทความที่ตีพิมพ์ใน วารสาร Science Robotics นักวิจัยอธิบายว่าพวกเขาใช้การผสมผสานระหว่าง sensing และเทคนิค Machine Learning เพื่อสร้างส่วนต่อประสานสมอง กับ คอมพิวเตอร์ (BCI) ที่สามารถเข้าถึงสัญญาณลึก ๆ ในสมองของผู้ใช้งาน

ในการทดสอบระบบของพวกเขา ได้ขอให้ผู้ใช้งานทดลองใช้แขนหุ่นยนต์ชี้ไปที่เคอร์เซอร์เมื่อมันกำลังเคลื่อนที่ไปรอบ ๆ หน้าจอคอมพิวเตอร์ แขนหุ่นยนต์สามารถติดตามเคอร์เซอร์อย่างต่อเนื่องแบบเรียลไทม์โดยไม่มีการกระตุก – เป็นครั้งแรกที่น่าตื่นเต้นสำหรับระบบ BCI ที่ไม่ต้องมีการปลูกถ่ายสมอง

อนาคตกับการควบคุมโดยจิตใจ

ในขณะที่การมุ่งเน้นไปที่หุ่นยนต์ที่ควบคุมผ่านจิต ซึ่งทำเพื่อคนที่มีความผิดปกติของการเคลื่อนไหวหรือเป็นอัมพาตแต่นักวิจัยของ CMU Bin He มองเห็นอนาคตที่เทคโนโลยีเป็นที่แพร่หลายและเป็นประโยชน์ต่อผู้คนส่วนใหญ่ในอนาคตได้

“แม้จะมีความท้าทายทางเทคนิคแต่เรามีความมุ่งมั่นอย่างเต็มที่ที่จะนำเทคโนโลยีที่ปลอดภัยและราคาที่เข้าถึงได้ให้กับผู้ที่จะได้ประโยชน์จากมันโดยเฉพาะเหล่าผู้ที่มีความผิดปรกติทางร่างกาย” เขากล่าวในการแถลงข่าว “ งานนี้แสดงให้เห็นถึงขั้นตอนสำคัญในการเชื่อมต่อกับคอมพิวเตอร์กับสมองแบบใหม่ ซึ่งเป็นเทคโนโลยีที่สักวันหนึ่งอาจกลายเป็นเทคโนโลยีที่แพร่หลายซึ่งจะช่วยเหลือทุกคนได้ในอนาคตอย่างแน่นอน”

References : 
https://futurism.com/mind-controlled-robot-arm-brain-implant

หยุดนะเจ้าแมวน้อย! AI กับการป้องกันแมวนำเหยื่อเข้าบ้าน

เทคโนโลยี Machine Learning สามารถสร้างเครื่องมือใหม่ ๆ  ได้อย่างไม่น่าเชื่อ มันยังช่วยแก้ไขปัญหาเล็ก ๆ น้อย ๆ ในชีวิตที่ไม่มีเครื่องมือจัดการแบบจริงจังที่มีขายตามร้านค้าทั่วไป แต่สำหรับวิศวกรของอเมซอน BenHamm ปัญหาของเขานั้นก็คือการหยุด “เจ้าแมวจอมสังหาร” ที่ชอบพาเหยื่อที่ตายแล้วกลับบ้านกลางดึกนั่นเอง

Hamm นำเสนอความวิธีการแก้ปัญหาในหัวข้อนี้ที่ Ignite Seattle   ซึ่งในระยะสั้นเพื่อที่จะหยุดไม่ให้เจ้าแมวทำตามสัญชาตญาณของมัน  Hamm ก็จัดการล็อคมันไว้ที่ประตู โดยมีการตรวจสอบด้วยกล้องที่เปิดใช้งาน AI ( DeepLens ของ Amazon ) และระบบล็อคที่ขับเคลื่อนด้วย Arduino

ภาพการ Training ที่รวบรวมและติดป้ายกำกับโดย Hamm
ภาพการ Training ที่รวบรวมและติดป้ายกำกับโดย Hamm

กล้องที่ใช้ตรวจสอบนั้นเต็มไปด้วยอัลกอริธึม Machine Vision ซึ่งทำการ Training โดย Hamm โดยตัวชี้วัดนั้นคือ เจ้าแมวกำลังกลับมาหรือกำลังออกไปเพื่อล่าเหยื่อของมัน และไม่ว่ามันจะมีเหยื่อเข้าไปในปากของมันหรือไม่ 

ซึ่งหากคำตอบคือ“ ใช่” ช่องประตูทางเข้าของแมวจะล็อคเป็นเวลา 15 นาที และ Hamm จะได้รับข้อความเตือนว่าเจ้าแมวน้อยของเขาได้เหยื่อมาอีกแล้ว 

แม้มันเป็นการนำเสนอแบบสั้น ๆ แต่มันแสดงให้เห็นถึงประโยชน์ในการนำเอา Machine Learning มาใช้ในชีวิตประจำวัน ได้่อย่างสมบูรณ์แบบ เช่นเดียวกับที่ Hamm แสดงให้เห็นถึงความเฉลียวฉลาดเพียงเล็กน้อยของเขา – และมันสามารถเอาชนะแมวได้นั่นเอง

References : 
https://www.theverge.com/tldr/2019/6/30/19102430/amazon-engineer-ai-powered-catflap-prey-ben-hamm

Autonomous Tractors- The Future of Farming?

ลองนึกภาพวินาทีที่คุณเป็นชาวนาและเข้าสู่ฤดูเก็บเกี่ยวซึ่งเป็นช่วงที่คึกคักที่สุดและใช้แรงงานมากที่สุดของปี แต่แทนที่จะตื่นขึ้นมาในตอนเช้าตรู่เพื่อคาดหวังว่าจะมีงานทำในวันหนึ่ง

แต่กลายเป็นว่าคุณต้องดึง Labtop ของคุณออกมาและตรวจสอบรถแทรกเตอร์ขับเคลื่อนอัติโนมัติ ในขณะที่พวกมันกำลังขับเคลื่อนอยู่ในท้องนาของคุณ และคุณทำการปรับเปลี่ยนบางอย่างสำหรับการปรับเส้นทางความเร็ว จัดการเครื่องยนต์และระดับเชื้อเพลิง แต่หลังจากนั้นคุณเพียงแค่เอนกายนอนลงและปล่อยให้เครื่องยนต์อัติโนมัติเหล่านี้ทำงาน

รถแทรกเตอร์ Unmanned ของ CNH Industrial

นี่คือแนวคิดที่อยู่เบื้องหลังรถแทรกเตอร์อัตโนมัติของ CNH Industrial โดยรถแทรกเตอร์สองคันชื่อ New Holland T8 NH และ Case IH Magnum โชว์เทคโนโลยี Machine Learning ที่น่าประทับใจ ออกแบบมาเพื่อเพิ่มความแม่นยำโดยไม่ต้องพึ่งพาแรงงานมนุษย์

แนวคิดของรถแทรคเตอร์ไร้คนขับของ CNH นั้นพร้อมที่จะปฏิวัติวงการเกษตรอย่างที่เรารู้จัก ด้วยการแทนที่แรงงานมนุษย์ด้วยเครื่องจักรอัตโนมัติ ซึ่งเครื่องจักรเหล่านี้ไม่มีข้อจำกัด ว่ารถไถจะสามารถเก็บเกี่ยวในนาหรือเก็บเกี่ยวพืชผล ไม่มีเหน็ดเหนื่อยต้องหยุดพักเหมือนแรงงานมนุษย์

“ แนวคิดของรถแทรกเตอร์ขับเคลื่อนอัติโนมัติของ CNH Industrial ช่วยให้เหล่าเกษตรกรสามารถควบคุมจากระยะไกลได้อย่างสมบูรณ์ ในการตรวจสอบและควบคุมเครื่องจักรทั้งหมด”

ด้วยระบบบังคับเลี้ยวแบบอัตโนมัติที่ติดตั้งอยู่ในรถแทรกเตอร์ และในปัจจุบันเทคโนโลยีด้าน Machine Learning ของ CNH กำลังนำไปสู่ธุรกิจด้านปศุสัตว์ในระดับต่อไป ยกตัวอย่างเช่น IH Magnum เป็นรถแทรคเตอร์ไร้สายที่ใช้“ GPS และสัญญาณการเชื่อมต่อดาวเทียมที่มีความแม่นยำสำหรับ และมีการบันทึกและส่งข้อมูลจากภาคสนามได้ทันที”

โดยตามข่าวล่าสุดของ CNH รถแทรกเตอร์ New Holland T8 NH มีเทคโนโลยีแบบเดียวกันเดียวกัน แต่เพิ่มเติมด้วยห้องโดยสาร เพื่อเพิ่มความยืดหยุ่นของผู้ปฏิบัติที่เป็นมนุษย์และตัวเลือกในการปรับเปลี่ยนกลับมาทำงานแบบอัติโนมัติของเครื่องจักร

ซอฟต์แวร์การวางแผนเส้นทางอัจฉริยะ

ด้วยการใช้ซอฟต์แวร์การวางแผนเส้นทางแบบครบวงจรที่ทันสมัย ผู้ใช้สามารถออกแบบเส้นทางที่มีประสิทธิภาพที่สุดสำหรับรถแทรกเตอร์ เหมาะอย่างยิ่งสำหรับการเพาะปลูก การฉีดพ่นและการตัดหญ้า โดยเจ้าเครื่องจักรอัตโนมัติของ CNH สามารถทำงานร่วมกับอุปกรณ์การเกษตรอื่น ๆ ได้อย่างลงตัว 

ด้วยการเลือกอุปกรณ์ที่ต้องการในการเข้าพื้นที่ทำงานและทำการตั้งค่า โดยผู้ใช้สามารถปรับแต่งงานเฉพาะอุปกรณ์ที่ดำเนินการได้ด้วยตนเอง ซึ่งใช้เวลาเพียง 30 วินาทีในการป้อนข้อมูล และชาวนาสามารถเข้าถึงหน้าจอปฏิบัติการที่ควบคุมเหล่ายานพาหนะขับเคลื่อนอัติโนมัติที่สนับสนุนทั้งในรูปแบบ มีคนควบคุมและไม่มีคนควบคุม

“ เกษตรกรจะคงไว้ซึ่งการควบคุมและความเป็นเจ้าของข้อมูลของพวกเขาอย่างเต็มที่”

แทรกเตอร์ไร้คนขับที่ควบคุมได้จากระยะไกล
แทรกเตอร์ไร้คนขับที่ควบคุมได้จากระยะไกล

ด้วยกล้องที่ติดตั้งในตำแหน่งอย่างดีจำนวนสี่ตัว (สองตัวที่ด้านหน้า / สองตัวที่ด้านหลัง) เกษตรกรสามารถจับตามองพืชผลของพวกเขาในขณะที่แน่ใจว่ารถแทรกเตอร์อยู่ในเส้นทาง เนื่องจากรถแทรกเตอร์ของ CNH นั้นมาพร้อมกับเซ็นเซอร์ LiDAR และกล้องวิดีโอความละเอียดสูงจึงไม่ต้องกังวลกับการหลีกเลี่ยงอุปสรรคเช่น คน หรืออุปกรณ์ต่าง ๆ ที่ซ่อนอยู่ในทุ่งนา

จุดประสงค์ทั้งหมดคือการสร้างการทำงานที่มีประสิทธิภาพโดยไม่จำเป็นต้องมีการรบกวนของมนุษย์ แต่ถ้ามีการเตือนบางอย่าง ไม่ว่าจะเป็นเรื่องเชื้อเพลิงหรือมีวัตถุที่มาปิดกั้นทางเดินรถแทรกเตอร์คันใดคันหนึ่ง  มันจะถูกปรับไปที่โหมดสแตนด์บายเพื่อรอคำแนะนำเพิ่มเติมจากมนุษย์ทันที

Machine Learning และอนาคตของการทำฟาร์ม

เนื่องจากในขณะนี้รถแทรกเตอร์ขับเคลื่อนอัติโนมัติของ CNH สามารถปรับแต่งค่าต่าง ๆ ได้แบบเรียลไทม์โดยใช้ส่วน User Interface ที่ใช้งานง่าย ตัวอย่างเช่นหากเกิดพายุแบบฉับพลัน เกษตรกรสามารถปิดระบบและเริ่มต้นใหม่ได้

เนื่องจากทั้งรุ่น New Holland และ IH Magnum ถูกขับเคลื่อนด้วยเทคโนโลยี Machine Learning ความจำเป็นในการควบคุมและการตรวจสอบโดยมนุษย์จึงลดลงอย่างมาก

ซึ่งเมื่อเวลาผ่านไป การเข้าถึง Big Data และเทคโนโลยี AI จะทำให้เครื่องเหล่านี้ฉลาดกว่าที่เคยเป็นมาไม่ว่าจะเป็นการพยากรณ์สภาพอากาศล่วงหน้าหรือทำการย้ายจากการเก็บเกี่ยวไปสู่การปลูกโดยไม่ต้องมีคำแนะนำโดยมนุษย์

เครื่องจักรที่ไม่มีเหน็ดเหนื่อยทำงานได้ตลอดทั้งวันทั้งคืน
เครื่องจักรที่ไม่มีเหน็ดเหนื่อยทำงานได้ตลอดทั้งวันทั้งคืน

ประโยชน์ของรถแทรกเตอร์อัตโนมัตินั้นชัดเจนมาก: เกษตรกรสามารถควบคุมเครื่องจักรโดยไม่ต้องมีการเพิ่มพนักงาน นอกจากนี้ไม่จำเป็นต้องพักรถแทรกเตอร์หลังจากทำงานมาทั้งวัน และที่สำคัญมันปลอดภัยที่จะกล่าวได้ว่าเทคโนโลยี Machine Learning กำลังปฏิวัติอุตสาหกรรมเกษตร

Autonomous Tractors กับวงการเกษตรกรรมไทย

ก็ต้องบอกว่าเป็นเรื่องที่น่าสนใจไม่ใช่น้อยเลยทีเดียว สำหรับการใช้งานรถแทรกเตอร์แบบขับเคลื่อนอัติโนมัติกับวงการเกษตรไทย 

แต่ปัญหาใหญ่ของวงการเกษตรไทยที่เป็นวังวน ซ้ำซาก ไม่แก้ปัญหาอย่างจริงจังเสียที ก็คือ ราคาพืชผลทางการเกษตรที่ตกต่ำ โดยเฉพาะสินค้าหลัก ไม่ว่าจะเป็น ข้าว ปาล์ม ยางพารา ฯลฯ

ซึ่งปัญหาเหล่านี้ เราจะได้เห็นการแก้ไขปัญหาแบบเดิม ๆ ทุกครั้งไม่ว่าจะเป็น ประกันราคา จำนำข้าว ฯลฯ ซึ่งเป็นการแก้ปัญหาปลายเหตุแทบจะทั้งสิ้น ไม่ได้ทำให้ชีวิตเกษตรกรไทยที่เป็นคนกลุ่มใหญ่ของประเทศได้ลืมตาอ้าปากเสียที

เป็นการใช้นโยบายทางการเมืองเพื่อหาเสียง และแก้แบบขอไปทีเพียงเท่านั้น และเราก็ต้องมาสูญสิ้นเงินงบประมาณส่วนนี้ ซ้ำไปซ้ำมาในทุก  ๆปี โดยที่ปัญหาไม่ได้ถูกแก้อย่างมั่นคงและยั่งยืน

ซึ่งการยกระดับอุตสาหกรรมเกษตร นั้นเรื่องเทคโนโลยีต้องมามีบทบาทในอนาคตอย่างแน่นอน แม้การลงทุนเหล่านี้จะดูเหมือนสูง แต่ด้วยเทคโนโลยีเช่น Machine Learning,AI , Autonomous Driving นั้นสามารถช่วยยกระดับผลผลิต ลดต้นทุน รวมถึงการทำงานแบบไม่เหน็ดเหนื่อยของเครื่องจักรก็น่าจะช่วย เพิ่มประสิทธิภาพในการผลิตให้กับวงการเกษตรได้อย่างแน่นอนครับ และมันอาจจะเป็นการแก้ไขปัญหาที่ถูกจุด ที่คาราคาซังมาเป็นระยะเวลายาวนานของปัญหาเกษตรกรรมไทยก็อาจเป็นได้

References : 
https://www.ireviews.com/news/2017/03/27/autonomous-tractors-farming

Wheelie กับเทคโนโลยีคอนโทรลวีลแชร์ด้วย Facial Recognition

Hoobox Robotics ของบราซิลได้ร่วมมือกับ Intel ในการผลิตชุดอะแดปเตอร์ที่ช่วยให้รถเข็นไฟฟ้าเกือบทุกตัวสามารถควบคุมได้ด้วยการแสดงออกทางสีหน้าของผู้ใช้

ชุด Wheelie 7 จะทำการบังคับรถเข็นวีลแชร์ด้วยเทคโนโลยีปัญญาประดิษฐ์เพื่อตรวจจับการแสดงออกของผู้ใช้และประมวลผลข้อมูลแบบเรียลไทม์เพื่อควบคุมการเคลื่อนไหวของเก้าอี้

การยิ้ม ยกคิ้ว ย่นจมูก หรือย่นริมฝีปากราวกับว่าเป็นการจูบ เป็นหนึ่งใน 10 รูปแบบการแสดงทางสีหน้าที่ได้รับการยอมรับจากต้นแบบของ Wheelie 7

การใช้การจับการเคลื่อนไหวของสีหน้าเพื่อขับเคลื่อนรถเข็น
การใช้การจับการเคลื่อนไหวของสีหน้าเพื่อขับเคลื่อนรถเข็น

ผู้ใช้สามารถปรับได้ว่าจะใช้ 10 รูปแบบการแสดงสีหน้า ได้ในแต่ละทิศทางที่สามารถเป็นไปได้

“ เราเชื่อว่าเราสามารถใช้ประโยชน์จากความสามารถที่ดีที่สุดของบุคคลในการแก้ไขข้อ จำกัด ไม่เพียง แต่ปรับปรุงความคล่องตัวและความเป็นอิสระเพียงเท่านั้น” Hoobox กล่าว

โดยฮาร์ดแวร์ของชุด Wheelie นั้นใช้เทคโนโลยีของ Intel ซึ่งรวมถึงกล้อง 3D RealSense Depth เพื่อจับภาพการแสดงออกทางสีหน้าและมินิคอมพิวเตอร์ออนบอร์ดสำหรับใข้ในการประมวลผล

รวมกับซอฟต์แวร์จดจำใบหน้าที่กำหนดเองของ Hoobox ซึ่งใช้อัลกอริทึมทางด้าน Machine Learning เพื่อถอดรหัสการแสดงออกได้อย่างแม่นยำ

“ เพื่อพัฒนา Wheelie เราต้องสร้างการวิเคราะห์ใบหน้ารุ่นต่อไปที่สามารถตรวจจับการแสดงออกทางสีหน้าได้แม่นยำมากขึ้นโดยไม่คำนึงถึงสภาพแสง” Hoobox กล่าว

“ซึ่งความแม่นยำที่สูงมากนั้นจะทำให้เราสามารถตรวจจับพฤติกรรมของมนุษย์ เช่น ความง่วง ระดับความเจ็บปวด 10 ระดับ ความตื่นเต้น หรือความใจเย็น และอาการกระตุก และเราสามารถตรวจจับได้เมื่อบุคคลนั้นจะจามก่อนที่จะจามจริง ๆ “

ขับเคลื่อนรถเข็นให้กับผู้ที่ป่วยเป็นอัมพาต
ขับเคลื่อนรถเข็นให้กับผู้ที่ป่วยเป็นอัมพาต

ต้นแบบ Wheelie 7 กำลังได้รับการทดสอบโดยผู้ใช้ในสหรัฐอเมริการวมถึงผู้ที่เป็นอัมพาตและอัมพาตของเซลล์ประสาทรวมถึงผู้สูงอายุ 

คาดว่าจะวางจำหน่ายจริงได้ภายในปี 2019 โดยจะสามารถใช้งานร่วมกับเก้าอี้ล้อเลื่อนที่ใช้เครื่องยนต์ได้

Hoobox ก่อตั้งขึ้นที่ São Paulo ในปี 2017 โดย Paulo Gurgel Pinheiro ผู้พัฒนาซอฟต์แวร์จดจำใบหน้าของ Wheelie 7 นั้นมีพื้นฐานมาจากการวิจัยหลังปริญญาเอกของเขา

โดยบริษัท ได้ย้ายไปอยู่ที่เมืองฮุสตันในปี 2018 เพื่อเข้าร่วมศูนย์บ่มเพาะ JLABS ของ Johnson & Johnson ที่ศูนย์การแพทย์เท็กซัส

โดย ชุด Wheelie 7 นี้จะเป็นหนึ่งในนวัตกรรมจำนวนหนึ่งที่มอบความเป็นอิสระแก่ผู้ใช้รถเข็นที่มีอยู่ทั่วโลกนั่นเอง

References : 
https://www.dezeen.com/2019/01/15/hoobox-wheelie-7-wheelchair-facial-expressions-design/