现在，CSAIL的蒂那·卡塔比团队把人工智能神经网络引入到名为RF-Pose的该系统新版本，训练人工智能帮助其推断人的姿势和动作（即使肉眼完全看不到他/她），更好地区分每个人并进行跟踪。

　　RF-Pose发射极低功率的无线信号（据称辐射量只是标准手机的万分之一）通过墙壁和其他障碍物，然后处理反射的信号，建立墙外区域的三维扫描图像。而这次的进步之处在于，团队对人体移动的某一动作或姿势制备了数以千计的无线扫描和图像，这些动作包括等待、行走、坐下、开门和等候电梯，然后再采用人工智能神经网络，调教系统进行比较，掌握从中创建四肢动态定位轮廓图的本领。

　　系统接受训练后，就不再需要训练时用的图像资料，而是只依靠现场接收的无线数据就能工作。团队称，RF-Pose能概括学到的知识，以惊人的精确度进行鉴定，不需要摄像进行比较。它借助无线信号，甚至能对100个人的小组进行个体识别，成功率为83%。

　　至于系统的用途，我们先想到的一定是“间谍”装置，但研究人员则“想得多”。他们认为RF-Pose具有广泛得多的潜在应用。比如配备给搜索和救援队伍，能帮助寻找幸存者，有时还能确定身份。在养老院能加强对长者的照料，让其生活更加独立。用来监测帕金森病、多发性硬化症患者，能更好了解病情；甚至可为某些神经肌肉疾病提供早期诊断。卡塔比说：“我们监测患者的行走速度和自主活动的基本能力，为医疗保健机构提供前所未有的进入其生活的窗口，这对各种疾病都有意义。患者不必佩戴传感器，不必惦记着给自己的设备充电，也是我们方法的主要优点。”

　　未来的版本还可能转化为一种家用设备，如果检测到家庭成员失去知觉，可以自动拨打911。而集成到游戏界面中，则能让不在同一房间的游戏者们实现交互，甚至基于你手的移动触发不同的动作。

　　当然，团队强调，任何试验都得在被试者同意的前提下才能进行，他们更会匿名处理，数据保密。此外，程序中预先设置了“启动”手势，主人作出这个手势，系统才开始扫描读数。稼正 （图：MIT）