作者:IEEE高级会员Nikhil Gupta
(Nikhil Gupta是IEEE高级会员,其研究重点是制造业、增材制造和结构健康监测中的网络安全。Priyanka Nama是IEEE会员,研究重点是传感器和物联网中的网络安全。)
随着智能家居技术的不断发展,诸如智能恒温器和智能车库门等设备已被广泛应用,表面上为人们的生活带来极大的便利 —— 智能家居似乎是一个现代奇迹。但是,这些高科技产品是否真的像其声称的那样“智能”呢?还是其实很多设备仍然只是起到了遥控器的作用呢?
智能家居包含多种传感器和设备,可以通过多种方式实现自动化。智能手机应用程序可以控制电器、车库门和音响系统。灯光可以通过语音命令进行控制。恒温器可以使用人工智能来确定能量使用和舒适度的组合。
然而,能够监测房屋健康状况的传感器往往被忽视。
结构健康监测(SHM,Structural health monitoring )传感器更进一步,将智能家居转变为更智能的家居。这一系统通过结合人工智能来实时监测房屋的结构安全,从而预防地基问题、墙体和屋顶损害及水损害等潜在问题,实现预防性维护和提高居住安全性。
SHM系统已经用于保护桥梁、大坝和管道等基础设施,是旨在实时监测和评估结构健康状况的先进技术。这些系统包括一系列传感器、仪器设备和自动数据采集系统。他们使用压电、加速度计、超声波、应变仪和光纤连续监测载荷、振动、位移、应变、湿度和其他因素。这些实时数据为结构完整性提供了宝贵的见解,以在潜在问题升级之前识别和解决这些问题。
传感器如何使家庭智能化
SHM系统与人工智能相结合,可以在“智能家居”中的潜在问题升级为重大问题之前进行识别,包括了:
地基问题:SHM系统可以监测地基的稳定性,并识别任何可能出现的裂缝,从而在结构完整性受损之前进行快速修复。
墙壁和天花板问题:这些系统可以检测墙壁和天花板的裂缝,可能表明基础问题、沉降或收缩。早期干预可以防止它们生长并损害结构的完整性。
屋顶问题:SHM传感器可以监测振动和位移,在问题升级并导致坍塌之前,可能会发现下垂或松动的屋顶瓷砖等问题。
水损害问题:水分传感器可以检测隐藏的泄漏或过度的水分积聚,防止水损害和潜在的霉菌生长,这可能会损害结构的完整性并造成健康风险。
“智能家居”的发展方向
SHM系统可以及早发现问题,从而实现:
主动维护:从长远来看,在小问题变成大修之前解决这些问题可以节省房主的钱。
增强安全性:及早发现潜在的结构故障,确保房主及其家人的生活环境更加安全。
财务问题:持续监控有助于降低保险成本,保持较低的维护成本,并在系统崩溃前安排维修时间。
考虑到SHM系统与智能家居网络的集成、无线连接、简化的安装、用户友好的界面、可定制的监测参数、安全和隐私措施的成本效益和可扩展性,SHM系统可以进行定制,以进入智能家居。
优化智能家居中的SHM系统可以通过防止昂贵的维修来积极确保结构的安全性和寿命。SHM系统可以作为智能家居健康的守护者。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。