ஒரு நபரின் ஸ்மார்ட்போன் அல்லது கணினியில் கேமராவைப் பயன்படுத்தும் ஒரு முறையை ஆராய்ச்சியாளர்கள் உருவாக்கியுள்ளனர், இதை பயன்படுத்தி இதயத் துடிப்பு மற்றும் சுவாசம் தொடர்பான பதிவுகளை எடுக்கலாம். இது தொடர்புடையவரின் முகத்தில் நொடிக்கு நொடிமாறும் பாவங்களில் நேரடி வீடியோ பதிவிவில் இருந்து எடுக்கலாம் என்பது சிறப்பம்சம்.

கோவிட் -19 தாக்கத்தினால், யாரும் ஒருவரோடு மற்றொருவர் நேரிடையான தொடர்புகளை குறைக்க வேண்டிய காலகட்டம் இது. அதே வேளையில், சுகாதார சேவையை வழங்குவதற்கான ஒரு முக்கியமான வழியாக டெலிஹெல்த் மருத்துவம் மாறியுள்ள நேரத்தில் இந்த கண்டுபிடிப்பு வந்துள்ளது குறிப்பிடத்தக்கது. 

வாஷிங்டன் பல்கலைக்கழக தலைமையிலான குழுவின் அமைப்பு இயந்திர கற்றலைப் பயன்படுத்தி ஒரு நபரின் முகத்தை ஒளி எவ்வாறு பிரதிபலிக்கிறது என்பதில் நுட்பமான மாற்றங்களைக் படம் பிடிக்கிறது, இது ரத்த ஓட்டத்தை மாற்றுவதோடு தொடர்புடையது. பின்னர் இது இந்த மாற்றங்களை துடிப்பு மற்றும் சுவாச வீதம் என இரண்டாக மாற்றுகிறது.

 டிசம்பர் மாதம் நரம்பியல் தகவல் செயலாக்க அமைப்புகள் மாநாட்டில் (Neural Information Processing Systems conference) இந்த அமைப்பை ஆராய்ச்சியாளர்கள் வழங்கினர். இப்போது, ​​இந்த உடலியல் சமிக்ஞைகளை (physiological signals) அளவிட ஒரு சிறந்த அமைப்பை குழு முன்மொழிகிறது என்பது குறிப்பிடத்தக்கது.

இந்த அமைப்பு வெவ்வேறு கேமராக்கள், லைட்டிங் நிலைமைகள் அல்லது தோல் நிறம் போன்ற முக அம்சங்களால் தூண்டப்படுவதற்கான சாத்தியங்கள் குறைவு என்று ஆராய்ச்சியாளர்கள் தெரிவிக்கின்றனர், இந்த கண்டுபிடிப்புகளை ஏப்ரல் 8 ஆம் தேதி உடல்நலம் குறித்த கணினி இயந்திரம் (Association for Computing Machinery (ACM)) மாநாட்டில் வழங்குவோம் என்று ஆராய்ச்சியாளர்கள் தெரிவித்தனர்.

"ஒவ்வொரு நபரும் வித்தியாசமாக இருக்கிறார்கள்" என்று முன்னணி ஆய்வு ஆசிரியர் ஜின் லியு (Xin Liu) கூறினார்.

"எனவே, இந்த அமைப்பு ஒவ்வொரு நபரின் தனித்துவமான உடலியல் அமைப்புடன் விரைவாக மாற்றியமைக்க வேண்டும், அதுமட்டுமல்லாமல், அவர்கள் எப்படி இருக்கிறார்கள், அவர்கள் எந்த சூழலில் இருக்கிறார்கள் போன்ற பிற மாறுபாடுகளிலிருந்து இதைப் பிரிக்க வேண்டும்" என்று கூறுகிறார்.

இந்த அமைப்பின் முதல் பதிப்பு தரவுத்தொகுப்புடன் பயிற்சியளிக்கப்பட்டது, அதில் மக்களின் முகங்களின் வீடியோக்கள் (videos) மற்றும் ‘அடிப்படை உண்மை’ தகவல்கள் உள்ளன: ஒவ்வொரு நபரின் துடிப்பு மற்றும் சுவாச வீதம் நிலையான கருவிகளால் அளவிடப்படுகிறது.

இரண்டு முக்கிய அறிகுறிகளையும் கணக்கிட இந்த அமைப்பு வீடியோக்களிலிருந்து இடம்சார்ந்த மற்றும் தற்காலிக தகவல்களைப் பயன்படுத்தியது.

கணினி சில தரவுத்தொகுப்புகளில் சிறப்பாகச் செயல்பட்டாலும், வெவ்வேறு நபர்கள், பின்னணிகள் மற்றும் விளக்குகளின் பின்னணியில் சற்று மாறுபடுகிறது. இது ‘ஓவர் ஃபிட்டிங்’ எனப்படும் பொதுவான பிரச்சினை என்று குழு தெரிவித்துள்ளது.

ஒவ்வொரு நபருக்கும் தனிப்பயனாக்கப்பட்ட இயந்திர கற்றல் மாதிரியை (machine learning model) உருவாக்குவதன் மூலம் ஆராய்ச்சியாளர்கள் இந்த அமைப்பை மேம்படுத்தினர்.

குறிப்பாக, ஒரு வீடியோவின் முக்கியமான பகுதிகளைத் தேட இது உதவுகிறது, அவை வெவ்வேறு தோல் நிறங்கள், லைட்டிங் நிலைமைகள் மற்றும் சூழல்கள் போன்ற வெவ்வேறு சூழல்களில் முகத்தில் ரத்த ஓட்டத்தை மாற்றுவதோடு தொடர்புடைய உடலியல் அம்சங்களையும் கொண்டிருக்கலாம்.

அது அந்த பகுதியில் கவனம் செலுத்தி துடிப்பு மற்றும் சுவாச வீதத்தை அளவிட முடியும்.

இந்த புதிய அமைப்பு அதிக சவாலான தரவுத்தொகுப்புகளை வழங்குவதுடன் ஒப்பிட்டுப் பார்க்கும்போது அதன் முன்னோடிகளை விட சிறப்பாக செயல்படுகிறது என்றே கூறலாம்.