ITBear旗下自媒体矩阵:

追踪已死:可穿戴设备的下一波浪潮是情境感知

   时间:2014-05-09 10:39:31 来源:网易科技编辑:星辉 发表评论无障碍通道
追踪已死:可穿戴设备的下一波浪潮是情境感知

5月9日消息,美国科技博客Re/code近日发布生活记录与分享应用Saga开发商A.R.O. CEO安迪·希克尔(Andy Hickl)的文章称,追踪功能已死,可穿戴设备的下一波浪潮将会是情境感知。当前的产品能够追踪步行、运动、睡眠等方面的数据,但无法带来深度的分析来帮助改变人们的生活。要重新获得人们的青睐,它们就需要收集诸如今天发生了什么、用户之前做了些什么的背景数据来进行有意义的分析。

以下是文章主要内容:

我得承认,我喜欢过一些可穿戴设备,如Jawbone Up、Fitbit Force、Misfit Shine,也用过像Moves、Breeze这样的活动追踪应用。

不过我得统统弃用它们。我知道我星期一走的路比星期五多,我知道我的睡眠会随着一周的深入而恶化。但光有这类信息并不能改变我的生活。

那些产品服务获得了收集、保存和分析我的个人数据的权利,但却没法像它们承诺的那样带来深度解析。

耐克放弃可穿戴硬件的消息应当给行业敲响了警钟。我们在错失一个难以置信的发展机会。我们要如何让行业重回正轨呢?

可穿戴行业的问题

可穿戴行业的问题显而易见。那些产品都长于呈现各种各样的数据,但却不善于理解它们。

我走了5000步,并在游泳池游了20圈意味着什么呢?我达到了我的健身目标了吗?我工作了8个小时但昨晚只有3个小时的深度恢复性睡眠又意味着什么呢?

这些我们都无法确定——至少没有一些额外的认识是不能确定的。我们得自己根据所知道的东西作出结论。我们需要依据今天发生了什么、我们感觉如何、我们之前做了些什么之类的情况来解读可穿戴设备的数据。没有这些背景知识就无法得出结论。

各种可穿戴设备给我们提供了无法转化成为我们所用的知识的数据,而没有帮助我们搞清楚失眠的原因。

要重新赢得人们的青睐,可穿戴产品就需要收集足够多的情境知识来作出有意义的结论——让我们知道它们在数据中有很好的发现。

例如,如果我知道我在卧室平均温度低于18摄氏度时会睡得好些,那我会呼吁Jawbone Up跟Nest设备通信,从而相应调整室温。要是我知道我在会议较多的日子里运动量更大,那我可能会希望我的Tempo日历记上更多静坐即可的活动邀请。

获取情境知识的障碍

为什么大家没有争相去利用更多的情境知识呢?

首先,情境知识仍难以获取。我们的手机知道很多关于我们的事情,包括去过哪些地方,在做什么,在搜索什么等等。还没有人在真正利用所有的那些信息。

这并不是说我们没有取得进展。Saga应用不用我签到就知道我去了哪些地方,Cover和Aviate知道我用过哪些应用。

另外,能否获得最有用的情境知识取决于能否不受限制地访问所有的数据。多数应用都无法知道你一天下来做过的所有琐事,除非它们能够一直在后台运行。那些数据点可帮助理解我在忙什么——以及我的血压今天为什么飙涨。

最后,行业的进展因数据孤岛而受阻。我的可穿戴设备并不知道我在听什么歌,不知道我跑步的时机意味着我要开会迟到,也我不知道我通常在日落时运动。

已经有公司在呼吁统一异源数据集相抵触的平台,从而消除传感器孤岛,生成创造性的解析。这一步非常重要。我们得找到办法在我们居住于的不同数据孤岛之间找出有意义的相关性。这是解决我们当前追踪数据几无用处的唯一途径。

下一代产品

下一代的可穿戴设备和传感器数据平台——成功令人满足的设备和平台——将把这类相关分析放在中心位置。

我们必须要以同样的方式开发下一代智能系统。系统必须要知道预计咖啡饮用量超过平均水平的人每晚睡眠时间低于平均水平是合理的。

像PokitDok这样的公司正在往这一方面作出一些重要的行动。他们在寻找收集自病人的可穿戴设备的数据和他们的健康保险甚至是外科手术的支出之间的相关性。分享你的Fitbit数据可让你获得更低的保险费率或者更便宜的手术?有迹象显示答案是肯定的。

找出有意义的相关性并非易事——但那些能够以可靠而系统的方式找到它们的公司将会赚大钱。将传感器数据统一汇集起来的系统显然很有用处。而系统要是可在手机上计算,且能够在表面上不相干的变量之间发现意想不到的关联,那它的价值无疑不可估量。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version