今日頭條
官方微信
官方抖音
資訊頻道東京大學研究團隊開發出一套注重隱私保護的分布式人工智能樓宇自動化框架。該系統通過新型設備間直連通信技術，使攝像頭、智能終端等AI設備能夠直接協作，從而消除對中央服務器的依賴，避免集中式數據存儲——這種傳統架構常被視為潛在安全漏洞和隱私數據風險源。
攝像頭與其他設備群交換數據的示意圖
采用MIT的"分割學習"技術，將環境學習任務分配給不同設備，以更精準理解用戶控制意圖。
我們正生活在一個自動化程度日益加深的世界。汽車、住宅、工廠和辦公室陸續獲得各類自動化功能，包括方向控制、溫度調節、照明管理等。現有自動化系統大多需要預先編寫大量程序化行為，不僅耗費人力且缺乏靈活性；即便引入AI技術，也往往需要高度中心化部署，這帶來了不容忽視的風險。
"典型的家居或辦公自動化系統（如燈光/溫控系統）通常需要攝像頭監控用戶狀態來調節環境，"情報通信工程學系副教授落合秀也解釋道，"傳統模式下，這些被普遍視為高度私密的數據（尤其是來自家庭場景的）會集中上傳至中央系統。一旦系統遭入侵，個人數據就有泄露風險。為此我們研發的新型架構不僅實現去中心化，還能確保個人數據僅在自動化流程必需時段內臨時存儲。"
這項名為"分布式無邏輯樓宇自動化（D-LFBA）"的技術，通過建立攝像頭、傳感器與燈光/溫控器等設備的直連通信機制，既避免了中心化架構缺陷，又只需配備極小容量的本地存儲空間，從而最大限度減少不必要的數據采集與留存。
"我們將負責環境學習與控制的神經網絡程序負載，智能分配到各個終端設備上，"落合教授強調，"除前述優勢外，該架構還能形成跨廠商兼容層——這意味著自動化系統不再受限于單一品牌設備。"
D-LFBA的獨特之處在于其無編程學習能力。系統通過同步時間戳，將圖像數據與對應控制狀態動態關聯。當用戶通過開關操作或房間移動與環境交互時，系統會持續學習這些偏好并自主優化。
"即便不依賴人工編寫邏輯規則，AI仍能實現精細化控制，"落合表示，"在去年試驗中，用戶對系統自適應生活習慣的精準程度感到驚嘆。"
來源：邊緣計算社區
北京市公安局海淀分局備案號：11010802023656號