Universitatea Politehnica Timișoara

Facultatea de Automatică și Calculatoare

Proiect Inteligență Ambientală

Coordonator: Prof.dr.ing. Daniel-Ioan CURIAC

Student: Zăvadă Teddi-Mihai

Timișoara
2020
 Ambient Intelligence (AMI)  este un domeniu interdisciplinar care intenționează să
adauge inteligența în mediul înconjurător, făcându-l sensibil și adaptabil la nevoile
utilizatorilor. Sistemele AMI răspund acestor nevoi într-un mod receptiv și non-intruziv.
Unele dintre aceste sisteme iau decizii cu privire la lumea reală prin alegerea dintr-un set de
alternative cu scopul de a identifica modul cel mai adecvat de a evita sau de a rezolva o
problemă.
Progresele computaționale și electronice recente au crescut nivelul de comportament
autonom semi-inteligent expus de sisteme precum casele inteligente atât de mult încât au
început să apară noi termeni precum Inteligența Ambientală. Ideea de bază din spatele
Ambient Intelligence (AmI) este că prin îmbogățirea unui mediu cu tehnologie (de exemplu,
senzori și dispozitive interconectate printr-o rețea), un sistem poate fi construit astfel încât să
acționează ca un "majordom electronic", care simte caracteristicile utilizatorilor și mediul lor,
apoi motive cu privire la datele acumulate, și în cele din urmă selectează acțiuni de luat de
care vor beneficia utilizatorilor din mediu. Având în vedere că servirea utilizatorului este
obiectivul central al aplicației AmI și că sistemele AmI nu ar trebui să solicite instruire
specială și cunoștințe tehnice din partea utilizatorului, proiectarea interfeței cu utilizatorul
este de o importanță capitală. 
În mod similar, caracteristica AMI de transparență este cu siguranță aliniata cu
conceptul de computer care dispare. Această tendință metodologică a fost prevăzută de
Weiser, care a declarat:
"Cele mai profunde tehnologii sunt cele care dispar. Ele se țes în țesătura vieții de zi cu zi
până când sunt imposibil de distins de ea".

Fundamentul AMI este îmbogățirea mediului, prin tehnologii de detectare și

prelucrare, pentru a înțelege, analiza, anticipa și adapta la evenimente și la utilizatori și la
activitățile, preferințele, intențiile și comportamentele lor. Practic, AmI colectează informații
în timp real din mediul înconjurător și le combină cu datele istorice acumulate în timp sau cu
o bază de cunoștințe pentru a furniza servicii utilizatorilor.
 Fig. 1 Viziunea inteligenței ambientale dintr-o perspectivă a inteligenței artificiale.

Interacțiunea cu utilizatorul este un aspect major al oricărei aplicații AMI. În timp ce

interfețele pot folosi tehnologii diferite, noțiunea de centricitate a utilizatorului domină
designul lor. În AmI, paradigma tradițională a interfețelor om-computer, în care utilizatorii
trebuie să se adapteze la computere învățând să le folosească, este înlocuită cu una nouă, în
care computerele se adaptează utilizatorilor și învață să interacționeze cu ei în cel mai natural
mod. Accentul monopolar pus asupra utilizatorului în noua terminologie (centrată pe om)
reflectă trecerea de la expresia bipolară (om-computer) utilizată în terminologia tradițională.

AMI a fost prezentat nu doar ca un alt pas spre încorporarea progresele tehnologice în
societate, dar, de asemenea, ca o nouă paradigmă de calcul, care va revoluționa modul în care
concepem relația dintre sistemele de calcul și utilizatori. În prezent, pentru a beneficia de
dispozitivele informatice tradiționale, utilizatorii trebuie să aibă un anumit grad de cunoștințe
și experiență. Acest lucru limitează grupurile de oameni care pot beneficia de puterea de
calcul și, în unele cazuri, a dus la crearea așa-numitului "decalaj digital."

Integrarea mai multor senzori într-o interfață distribuită centrată pe om întruchipează

noi oportunități de cercetare și dezvoltare în proiectarea algoritmilor bazate pe detectarea și
prelucrarea colaborativă, fuziunea datelor, interpretarea evenimentelor, extragerea contextului
și modelarea comportamentului. Dezvoltarea unor interfețe algoritmice adecvate între
unitățile de informații cantitative (responsabile cu detectarea și prelucrarea) și unitățile de
informații calitative de nivel înalt (responsabile cu modelele de context și comportament) este
un alt domeniu de interes interdisciplinar în creștere în domeniul inteligenței ambientale.

Împreună cu dezvoltarea unei interacțiuni mai bogate între oameni și sistemele

artificiale printr-o diversitate de modalități apare necesitatea de a evalua performanța și
diferențele dintre sistemele de interacțiune. Atât parametrii cantitativi, cât și cei calitativi pot
fi utilizați pentru a măsura dimensiunile unui sistem, inclusiv performanța, gradul de
utilizare, acceptabilitatea și calitatea experienței. Un aspect provocator al evaluării
caracterului adecvat al unor astfel de sisteme este varietatea domeniilor și preferințelor
utilizatorilor care trebuie acomodate și măsurate în servirea unei anumite persoane.
 Susținerea promisiunii unor medii inteligente care simt, percep, interpretează,
anticipează și reacționează la evenimente și activități este o confluență a progreselor în
soluțiile de detectare, procesare și rețea. Prin urmare, cercetarea și dezvoltarea în medii
inteligente oferă oportunități într-o multitudine de discipline care implică fuziunea senzorilor,
interfețe centrate pe om, rețele, calcul omniprezent și medii receptive.

Pe baza premiselor extragerii datelor centrate pe utilizator și ale procesului decizional,

aplicațiile inteligente acceptă interactivitatea prin interpretarea gesturilor utilizatorului, a
regiunii de interes și a interacțiunilor utilizatorului cu componentele mediului înconjurător.
Datorită proliferării senzorilor ieftini, inclusiv a senzorilor de imagine și a procesoarelor
încorporate, există un potențial fără precedent pentru aplicații noi în timp real, cum ar fi
interfețele captivante om-computer pentru realitatea virtuală, jocuri, teleconferințe, prezentări
inteligente și control bazat pe gesturi, precum și alte aplicații centrate pe om, cum ar fi
evenimente anormale și detectarea căderilor accidentale în îngrijirea asistată a persoanelor cu
dizabilități sau vârstnici.

Un aspect important în introducerea noilor tehnologii în viața de zi cu zi tine de

implicațiile sociale create, care pot promova potențialul, inhiba, sau remodela modul în care o
tehnologie este adoptată și utilizată de diferite segmente de utilizator. Ritmul de dezvoltare a
tehnologiei limitează adesea accesul în timp util al unui dezvoltator la modelele de utilizare
obținute din observațiile din domeniu. Cu toate acestea, astfel de informații pot oferi indicii
vitale paradigma de proiectare în stadiile incipiente ale dezvoltării tehnologiei. De exemplu,
preocupările legate de confidențialitate ale utilizatorilor unei aplicații asistate bazate pe
cameră pot ghida dezvoltatorul în proiectarea unui sistem bazat pe camere inteligente care
utilizează procesarea locală, astfel încât să nu fie trimise date de imagine. Această decizie va
avea, la rândul său, implicații pentru tipurile de algoritmi de procesare a vederii necesare,
precum și pentru lățimea de bandă a comunicațiilor și factorii de latență care trebuie luați în
considerare.

Împreună cu alte modalități de detectare, camerele încorporate într-un mediu

inteligent oferă mult potențial pentru o varietate de interfețe noi centrate pe om prin
furnizarea de informații bogate. Detectarea bazată pe viziune se potrivește bine cu mediile
omniprezente de detectare și de calcul, permițând aplicații interactive noi bazate pe utilizator
care nu necesită senzori portabili. Accesul la interpretările poziției umane și ale gesturilor
obținute din datele vizuale în timp permite modulelor de raționament de nivel superior să
deducă acțiunile, contextul și comportamentul utilizatorului și să decidă asupra acțiunilor sau
răspunsurilor adecvate la o anumită situație.

Procesarea locală a videoclipurilor achiziționate la camera sursă facilitează

funcționarea rețelelor de vizibilitate scalabile prin evitarea transferului de imagini brute.
Motivația suplimentară pentru procesarea distribuită provine dintr-un efort de a păstra
confidențialitatea utilizatorului prin prelucrarea datelor în apropierea sursei.

Rețelele de viziune oferă acces la cunoștințe cantitative despre evenimente de interes,

ar fi locația utilizatorului și alte atribute. Astfel de cunoștințe cantitative pot completa sau
furniza distincții calitative specifice pentru funcțiile bazate pe AMI. La rândul său,
reprezentările calitative pot oferi indicii cu privire la caracteristicile care ar fi de interes
pentru a deriva din datele vizuale, permițând rețelei de viziune să își adapteze funcționarea de
prelucrare în funcție de starea de interpretare. În acest fel, interacțiunea dintre modulul de
procesare a vederii și modulul de raționament permite, în principiu, ambelor părți să
funcționeze mai eficient.

Fig. 2 Exemplu de interacțiuni între procesarea imaginii și modulele de raționament la nivel înalt

De exemplu, într-o aplicație de analiză a gesturilor umane, elementele observate ale

gestului extras de modulul de viziune pot asista modulul de raționament la nivel înalt bazat pe
AmI în sarcinile sale interpretative, în timp ce deducerile făcute de sistemul de raționament
pot oferi feedback sistemului de viziune din cunoștințele disponibile ale modelului contextual
sau comportamental pentru a-și direcționa procesarea către caracteristicile și atributele mai
interesante. 

Sistemele de inteligență ambientală trebuie să ofere interacțiunea în cel mai bun mod
posibil pentru utilizatori. Astfel, infrastructura are nevoie de o combinație de capacități de
detectare și acționare pentru a determina modul în care sistemul este structurat și modul în
care funcționează. Interfețele multimodale, care au un loc propriu în proiectarea interfeței
centrate pe om, reprezintă și o zonă strategică de dezvoltare în inteligența ambientală.
Tehnologia modernă oferă în permanență noi oportunități de interacțiune cu utilizatorul
printr-o diversitate de modalități.

Fig. 3 Procesarea datelor multistrat și raționamentul pentru modelarea comportamentului și preferințelor utilizatorului
într-o aplicație AMI

Realitatea augmentată ambientală oferă modalități de a face informațiile invizibile (ca

de exemplu temperatura), vizibile pentru utilizatorul unui sistem AMI. Interfețele de realitate
augmentată îmbunătățesc mediul real al utilizatorului cu o suprapunere de informații virtuale.
Combinarea acestei tehnologii cu inteligența ambientală oferă utilizatorului acces vizualizat
la datele relevante din sistem printr-o interfață tangibilă și fără sudură și, prin urmare, oferă
utilizatorului modalități de a lua decizii mai bune și de a înțelege mai bine ieșirile și
comportamentul sistemului sau deciziile pe care le ia în numele utilizatorului.

Dispozitivele de calcul și interfețele care susțin un sistem de inteligență ambientală

sunt încorporate în mediul fizic, astfel încât utilizatorii să poată interacționa cu ele în mod
natural, așa fac cu mediul fizic. Diferitele dispozitive și interfețe sunt interconectate și trebuie
să funcționeze împreună, chiar dacă au capacități diferite de intrare și ieșire, în funcție de
scopul lor. Împreună, acestea oferă servicii care pot depăși capacitățile lor separate.
Interacțiunea într-un astfel de mediu, în care lumile fizice și digitale se împletesc, necesită noi
paradigme de proiectare.
Printr-o varietate de senzori, mediile inteligente sprijină locuitorii lor, utilizatorii,
prin perceperea acțiunilor și stărilor lor și oferirea de servicii în domeniul sănătății, recreației,
confortului, divertismentului și multimedia. Astfel de servicii pot invita, ghida, stimula,
consilia și implica utilizatorul, cu scopul de a îmbunătăți sănătatea fizică sau mentală și
bunăstarea sau de a servi scopuri educaționale și de formare.

Aspectele de divertisment ale acestor servicii joacă un rol important în utilizarea lor
susținută prin furnizarea de motivație și interes. Dispozitivele care populează viitoarele medii
inteligente trebuie să ofere nonexperților interfețe ușor de utilizat și neintruzive și trebuie să
exploateze comunicarea naturală. 

Concluzii
Sistemele de mediu inteligente vor intra în viața de zi cu zi a oamenilor atunci când
dezvoltarea lor tehnologică este însoțită și completată cu considerații centrate pe utilizator
privind confidențialitatea, interfețele naturale și discrete și instalarea și configurarea ușor de
utilizat. Sistemele și metodele de interfață vizuală, de vorbire și multimodale sunt
fundamentele tehnologice ale numeroaselor aplicații pentru a servi utilizatorul.
Pe lângă respectarea confidențialității utilizatorilor și oferirea de interfețe discrete,
sistemele construite pentru a servi medii inteligente trebuie să ia în considerare capacitatea
utilizatorului de a se ocupa de instalarea și gestionarea lor. În timp ce s-au înregistrat multe
progrese în dezvoltarea algoritmilor și soluțiilor pentru aplicațiile la domiciliu, ar fi cele
legate de siguranță, sănătate, bunăstare și confort, problemele legate de modul în care aceste
sisteme pot fi instalate, operate, calibrate, instruite și fixate de utilizator au rămas în mare
parte în afara domeniului de aplicare al cercetării și dezvoltării. Interacțiunile care sunt ușoare
și convenabile pentru utilizatori sunt extrem de importante în acceptarea și adoptarea
tehnologiei. Acestea vor fi acceptate numai atunci când mecanismele care asigură
funcționarea cu adevărat centrată pe om sunt încorporate cu atenție în proiectarea lor încă din
primele etape ale dezvoltării tehnologiei.
Bibliografie
1. https://www.computer.org/csdl/magazine/ex/2008/02/mex2008020015/13rRUxlgx
ZP
 2. https://www.researchgate.net/publication/220737998_Ambient_Intelligence_Basi
c_Concepts_and_Applications
3. https://www.sciencedirect.com/book/9780123747082/human-centric-interfaces-
for-ambient-intelligence
4. https://link.springer.com/chapter/10.1007/978-3-540-70621-2_2

Întrebări:
1. Faceţi o comparaţie în privinţa aplicării schemei din figura 1 în programarea
convenţionala, respectiv in SBC.
2. Care sunt diferenţele între instrumentele pentru achiziţia de cunoştinţe din prima şi a
doua generaţie?
Răspunsuri:
1. Achiziţia de cunoştinţe are unele aspecte comune cu analiza de sistem, situaţia
convenţionala este mai uşor de abordat fiind clare informaţiile necesare problema fiind doar
ca în cursul analizei de sistem să nu se omită nici o specificaţie.
În schimb, în cazul unui SBC trebuie captată cunoaşterea şi experienţa unui expert, pe care
acesta a acumulat-o de-a lungul unui interval lung de timp, fără a fi de obicei în situaţia în
care a sistematizat aceasta cunoaştere, de exemplu într-o lucrare scrisă.

2. In cazul instrumentelor din generaţia a doua se produce o îmbinare între diferitele

variante de încorporare a cunoştinţelor, spre deosebire de cazul primei generaţii de
sisteme, cele două submodele dezvoltate în timpul achiziţiei, cel al domeniului,
conţinând elementele statice şi cel al metodei de rezolvare, referitor la elementele
dinamice sunt combinate, trebuind să alcătuiască împreuna un model coerent al
sarcinii.