今日头条
官方微信
官方抖音
资讯频道东京大学研究团队开发出一套注重隐私保护的分布式人工智能楼宇自动化框架。该系统通过新型设备间直连通信技术，使摄像头、智能终端等AI设备能够直接协作，从而消除对中央服务器的依赖，避免集中式数据存储——这种传统架构常被视为潜在安全漏洞和隐私数据风险源。
摄像头与其他设备群交换数据的示意图
采用MIT的"分割学习"技术，将环境学习任务分配给不同设备，以更精准理解用户控制意图。
我们正生活在一个自动化程度日益加深的世界。汽车、住宅、工厂和办公室陆续获得各类自动化功能，包括方向控制、温度调节、照明管理等。现有自动化系统大多需要预先编写大量程序化行为，不仅耗费人力且缺乏灵活性；即便引入AI技术，也往往需要高度中心化部署，这带来了不容忽视的风险。
"典型的家居或办公自动化系统（如灯光/温控系统）通常需要摄像头监控用户状态来调节环境，"情报通信工程学系副教授落合秀也解释道，"传统模式下，这些被普遍视为高度私密的数据（尤其是来自家庭场景的）会集中上传至中央系统。一旦系统遭入侵，个人数据就有泄露风险。为此我们研发的新型架构不仅实现去中心化，还能确保个人数据仅在自动化流程必需时段内临时存储。"
这项名为"分布式无逻辑楼宇自动化（D-LFBA）"的技术，通过建立摄像头、传感器与灯光/温控器等设备的直连通信机制，既避免了中心化架构缺陷，又只需配备极小容量的本地存储空间，从而最大限度减少不必要的数据采集与留存。
"我们将负责环境学习与控制的神经网络程序负载，智能分配到各个终端设备上，"落合教授强调，"除前述优势外，该架构还能形成跨厂商兼容层——这意味着自动化系统不再受限于单一品牌设备。"
D-LFBA的独特之处在于其无编程学习能力。系统通过同步时间戳，将图像数据与对应控制状态动态关联。当用户通过开关操作或房间移动与环境交互时，系统会持续学习这些偏好并自主优化。
"即便不依赖人工编写逻辑规则，AI仍能实现精细化控制，"落合表示，"在去年试验中，用户对系统自适应生活习惯的精准程度感到惊叹。"
来源：边缘计算社区
北京市公安局海淀分局备案号：11010802023656号