人工智能灵魂注入,燃烧你的卡路里——2018,你AI了吗!?.doc
《人工智能灵魂注入,燃烧你的卡路里——2018,你AI了吗!?.doc》由会员分享,可在线阅读,更多相关《人工智能灵魂注入,燃烧你的卡路里——2018,你AI了吗!?.doc(4页珍藏版)》请在三一文库上搜索。
1、人工智能灵魂注入,燃烧你的卡路里2018,你AI了吗!?炸鸡可乐蛋挞,烧烤火锅奶茶,游戏番剧代码,夕阳西下,阿宅瘫在沙发。面对高强度工作负荷带来的久坐、各种舌尖上的诱惑,以及一系列可以窝在沙发里进行的娱乐项目,肥胖在当代逐渐成了一个可以当作“梗”来谈论的问题。一首卡路里展开持续洗脑式轰炸的同时,AI也一直在不断尝试对肥胖这一难题“下手”,试图从更多层面加以挖掘与解释。根据2018年8月31日在线发表于JAMA Network Open的一项研究显示(https:/jamanetwork/journals/jamanetworkopen/fullarticle/2698635),卷积神经网络(C
2、NN)可从卫星图像中自动提取建筑环境的特质,并用于健康指标研究。而了解建筑环境的某些特征与肥胖症患病率之间关联,则有助于引导环境结构上的变化,从而达到促进运动、降低肥胖率的作用。全球疾病负担报告表明,2015年全球约有超过6.03亿成年人在遭受肥胖问题的困扰;在美国,成年肥胖人口更是占据成年总人口数的三分之一。肥胖是一个复杂的健康问题,其间涉及的关联因素颇多,包括遗传学、人口统计学,以及行为学的影响。而不健康的饮食习惯和久坐不动的生活方式则都与所处的社会环境特质及建筑环境特征密切相关,环境可以通过其间的步行方便程度、土地使用、占地面积、住宅区、可用资源(活动及娱乐场所、餐饮店等)、贫困等级、安
3、全感以及社区设计方案等来影响人们的健康,例如靠近自然空间或是人行道的建筑设计能够在增加运动量的同时促进定期活动,这一特征在城市中尤为明显。一直以来,关于肥胖问题和建筑环境间这二者间关联的讨论并不鲜见,但尽管如此,研究人员仍在研究过程中注意到了一些不一致的结果,造成这些不一致的原因可能是测量方法和测量工具的跨研究变化所导致的评估及比对困难。此外,相关指标的测量过程可能代价高昂、耗时巨大,并且易受人的主观思维模式影响。因此,研究人员需要发掘一种一致性的测量方式,以实现跨研究比较。评估并量化建筑环境与肥胖间的关系有助于人们在社区基础上对相应健康问题加以适当的干预与防范。对此,来自华盛顿大学的研究人员
4、结合人工智能技术,提出了一种全面评估法,其中包含使用预训练的卷积神经网络(一种深度学习法)从高分辨率卫星图像中提取邻域的物理特征。事实上,类似的研究方法早在此前便受到了研究人员的关注。Nguyen QC等人2018年3月刊载于JECH (Journal of Epidemiology and Community Health)杂志的论文中,便提到了通过卷积神经网络对Google街景中的建筑环境图像进行分类,并借以评估肥胖与人行道、建筑类型、街道绿化(或景观美化)这三者间的关系。只是彼时的研究未能充分利用卷积神经网络独立发现关联因素的能力,仅局限于预设的三大变量。相较之下,此次华盛顿大学发布的最
5、新论文则全面评估了建筑环境中的变量因素,并依据美国四个区人口普查肥胖率的细粒度关联进行方法论证。研究中所采用的方法皆可扩展,且都基于公开可用的数据与计算工具,可实现跨研究可比性。研究方法肥胖症患病率数据分析数据来源:选取美国疾病防控中心“500 Cities”项目中的2014年度人口普查肥胖率粗略估值分析方法:包含两个步骤。首先,利用卷积神经网络以及提取处理的POI(兴趣点)数据来处理卫星图像,以抓取建筑环境特征。随后,利用弹性网络回归建立一个简约模型来评估建筑环境与肥胖率之间的关联性。获取卫星图像和POI数据在设置好地理中心、图片尺寸(400*400像素)和缩放级别(缩放系数18)的情况下,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 灵魂 注入 燃烧 卡路里 2018 AI
链接地址:https://www.31doc.com/p-3373381.html