حوزه «بازشناسی فعالیت انسان» (Human Activity Recognition – HAR) یکی از شاخه‌های کلیدی در علوم کامپیوتر و هوش مصنوعی است که با استفاده از داده‌های حاصل از حسگرهای موجود در دستگاه‌های موبایل، پوشیدنی‌ها و محیط‌های هوشمند، به تشخیص و طبقه‌بندی فعالیت‌های فیزیکی انسان می‌پردازد. این فناوری کاربردهای گسترده‌ای از پایش سلامت و تناسب اندام گرفته تا خانه‌های هوشمند و ایمنی صنعتی دارد. با این حال، یکی از بزرگ‌ترین موانع بر سر راه توسعه مدل‌های دقیق و قابل اعتماد در این حوزه، نیاز شدید به مجموعه‌داده‌های برچسب‌دار در مقیاس بزرگ است. فرآیند جمع‌آوری و برچسب‌گذاری دستی داده‌ها (مثلاً مشخص کردن اینکه یک توالی از داده‌های شتاب‌سنج مربوط به «راه رفتن» است یا «دویدن») بسیار زمان‌بر، پرهزینه و مستعد خطای انسانی است.

در مقابل، حجم عظیمی از داده‌های حسگرها به صورت بدون برچسب روزانه تولید می‌شود. مقاله “SelfHAR” به طور مستقیم این چالش را هدف قرار می‌دهد و یک رویکرد نوآورانه در حوزه یادگیری نیمه-نظارتی (Semi-Supervised Learning) ارائه می‌کند. اهمیت این مقاله در آن است که راهکاری عملی برای بهره‌برداری از این گنجینه داده‌های بدون برچسب جهت بهبود چشمگیر عملکرد مدل‌های HAR پیشنهاد می‌دهد. این پژوهش نشان می‌دهد که چگونه می‌توان با ترکیب هوشمندانه تکنیک‌های پیشرفته یادگیری ماشین، مدل‌هایی ساخت که نه تنها دقیق‌تر هستند، بلکه به داده‌های برچسب‌دار بسیار کمتری برای رسیدن به عملکرد مطلوب نیاز دارند. این دستاورد، مسیر را برای توسعه سیستم‌های HAR مقیاس‌پذیرتر، ارزان‌تر و قابل تعمیم به دنیای واقعی هموار می‌سازد.

این مقاله حاصل همکاری گروهی از پژوهشگران برجسته از دانشگاه کمبریج و واحد اپیدمیولوژی شورای تحقیقات پزشکی (MRC) است. نویسندگان مقاله، Chi Ian Tang، Ignacio Perez-Pozuelo، Dimitris Spathis، Soren Brage، Nick Wareham و Cecilia Mascolo، همگی در زمینه‌های یادگیری ماشین، سنجش موبایلی، علوم داده سلامت و اپیدمیولوژی دارای تخصص و سابقه درخشانی هستند.

این پژوهش در تقاطع سه حوزه مهم قرار دارد:

• یادگیری ماشین و یادگیری عمیق: استفاده از معماری‌های پیشرفته برای یادگیری از داده‌های پیچیده سری زمانی.
• سنجش فراگیر (Ubiquitous Sensing): تمرکز بر داده‌های حاصل از حسگرهای شتاب‌سنج و ژیروسکوپ که در گوشی‌های هوشمند و ساعت‌های هوشمند به وفور یافت می‌شوند.
• انفورماتیک سلامت: کاربرد مستقیم نتایج تحقیق در جهت بهبود سیستم‌های پایش سلامت و تحلیل رفتار انسان.

نویسندگان با الهام از موفقیت‌های اخیر یادگیری نیمه-نظارتی در حوزه‌هایی مانند بینایی کامپیوتر و پردازش زبان طبیعی، این تکنیک‌ها را برای چالش‌های منحصر به فرد داده‌های حسگرها تطبیق داده و بهینه‌سازی کرده‌اند.

یادگیری ماشین و یادگیری عمیق پتانسیل بالایی در کاربردهای سنجش موبایلی، از جمله بازشناسی فعالیت انسان (HAR) نشان داده‌اند. با این حال، عملکرد چنین مدل‌هایی در دنیای واقعی تا حد زیادی به در دسترس بودن مجموعه‌داده‌های بزرگی که رفتارهای متنوع را پوشش می‌دهند، وابسته است. اخیراً، مطالعات در بینایی کامپیوتر و پردازش زبان طبیعی نشان داده‌اند که بهره‌برداری از حجم عظیمی از داده‌های بدون برچسب، عملکردی هم‌تراز با مدل‌های نظارت‌شده پیشرفته را ممکن می‌سازد. در این مقاله، ما SelfHAR را معرفی می‌کنیم؛ یک مدل نیمه-نظارتی که به طور مؤثر یاد می‌گیرد از مجموعه‌داده‌های سنجش موبایلی بدون برچسب برای تکمیل مجموعه‌داده‌های برچسب‌دار کوچک استفاده کند. رویکرد ما ترکیبی از خودآموزی معلم-شاگرد (teacher-student self-training) است که دانش را از داده‌های برچسب‌دار و بدون برچسب استخراج می‌کند و همزمان امکان تقویت داده (data augmentation) را فراهم می‌آورد، و خودنظارتی چندوظیفه‌ای (multi-task self-supervision) که با پیش‌بینی نسخه‌های تحریف‌شده از ورودی، بازنمایی‌های قوی در سطح سیگنال را می‌آموزد. ما SelfHAR را بر روی مجموعه‌داده‌های مختلف HAR ارزیابی کردیم و عملکردی پیشرو نسبت به رویکردهای نظارت‌شده و نیمه-نظارتی قبلی نشان دادیم، با افزایشی تا ۱۲٪ در امتیاز F1 با استفاده از همان تعداد پارامترهای مدل در زمان استنتاج. علاوه بر این، SelfHAR از نظر داده‌ای کارآمد است و با استفاده از تا ۱۰ برابر داده‌های برچسب‌دار کمتر، به عملکردی مشابه با رویکردهای نظارت‌شده دست می‌یابد. این پژوهش نه تنها به عملکردی پیشرفته در مجموعه‌ای متنوع از دیتاست‌های HAR دست می‌یابد، بلکه روشن می‌سازد که چگونه وظایف پیش‌آموزش (pre-training) می‌توانند بر عملکرد نهایی تأثیر بگذارند.

معماری SelfHAR بر دو ستون اصلی بنا شده است که به صورت هم‌افزا برای بهره‌برداری حداکثری از داده‌های برچسب‌دار و بدون برچسب عمل می‌کنند. هدف نهایی، آموزش یک مدل دانشجو (Student Model) قدرتمند است که قادر به طبقه‌بندی دقیق فعالیت‌ها باشد.

۱. خودآموزی معلم-شاگرد (Teacher-Student Self-Training)

این بخش از مدل، فرآیند انتقال دانش از داده‌های بدون برچسب به مدل نهایی را مدیریت می‌کند. این فرآیند در چند مرحله انجام می‌شود:

• آموزش مدل معلم: ابتدا یک مدل «معلم» (Teacher) با استفاده از مجموعه کوچک داده‌های برچسب‌دار موجود آموزش داده می‌شود. این مدل، دانش اولیه را در مورد چگونگی تفکیک فعالیت‌های مختلف کسب می‌کند.
• تولید برچسب‌های کاذب (Pseudo-Labels): مدل معلم سپس برای پیش‌بینی بر روی حجم عظیم داده‌های بدون برچسب به کار گرفته می‌شود. خروجی‌های این مدل (مثلاً «راه رفتن» با اطمینان ۹۵٪) به عنوان «برچسب‌های کاذب» در نظر گرفته می‌شوند. تنها پیش‌بینی‌هایی که دارای اطمینان بالایی هستند برای مرحله بعد انتخاب می‌شوند تا از ورود نویز به فرآیند آموزش جلوگیری شود.
• آموزش مدل شاگرد: یک مدل «شاگرد» (Student) که معماری مشابهی با مدل معلم دارد، با ترکیبی از داده‌ها آموزش می‌بیند:
  • داده‌های اصلی برچسب‌دار (برای حفظ دقت پایه).
  • داده‌های بدون برچسب به همراه برچسب‌های کاذب تولید شده توسط معلم.
• تقویت داده (Data Augmentation): نکته کلیدی در این مرحله آن است که داده‌هایی که به مدل شاگرد داده می‌شود، به شدت «تقویت» یا دستکاری می‌شوند. برای داده‌های حسگر، این تقویت می‌تواند شامل افزودن نویز، چرخش سیگنال، تغییر مقیاس یا حذف بخشی از آن باشد. این کار باعث می‌شود مدل شاگرد صرفاً خروجی‌های معلم را حفظ نکند، بلکه یاد بگیرد که بازنمایی‌های قوی‌تر و پایدارتری از فعالیت‌ها بسازد که در برابر تغییرات و نویز مقاوم هستند.

۲. خودنظارتی چندوظیفه‌ای (Multi-task Self-Supervision)

این بخش به عنوان یک وظیفه کمکی (auxiliary task) عمل می‌کند و هدف آن یادگیری «بازنمایی‌های» (representations) غنی و معنادار از سیگنال‌های خام حسگر است، حتی قبل از اینکه مدل به طور خاص برای طبقه‌بندی فعالیت‌ها آموزش ببیند. در این رویکرد، مدل یک بازی را با خود انجام می‌دهد:

• ایجاد وظیفه خودساخته: یک نسخه از سیگنال ورودی به صورت مصنوعی تحریف می‌شود (مثلاً بخش‌هایی از آن پوشانده یا Mask می‌شود).
• هدف یادگیری: مدل وظیفه دارد که از روی نسخه تحریف‌شده، نسخه اصلی و کامل سیگنال را بازسازی کند.

این فرآیند، که به آن یادگیری خودنظارتی می‌گویند، مدل را مجبور می‌کند تا الگوهای اساسی، وابستگی‌های زمانی و ساختار ذاتی سیگنال‌های حسگر را بیاموزد. بازنمایی‌های آموخته شده در این مرحله، نقطه شروع بسیار بهتری برای وظیفه اصلی (طبقه‌بندی فعالیت) فراهم می‌کنند و به ویژه زمانی که داده‌های برچسب‌دار کم هستند، تأثیر بسزایی در بهبود عملکرد نهایی دارند. در SelfHAR، این وظیفه خودنظارتی به صورت همزمان با وظیفه طبقه‌بندی اصلی آموزش داده می‌شود و به مدل کمک می‌کند تا ویژگی‌های عمومی‌تر و قابل انتقال‌تری را بیاموزد.

ارزیابی‌های گسترده انجام شده در این مقاله، موفقیت چشمگیر رویکرد SelfHAR را در چندین جبهه به اثبات می‌رساند:

• عملکرد پیشرو (State-of-the-Art): مدل SelfHAR در مقایسه با مدل‌های کاملاً نظارت‌شده (که فقط از داده‌های برچسب‌دار استفاده می‌کنند) و سایر روش‌های نیمه-نظارتی موجود، به طور قابل توجهی عملکرد بهتری از خود نشان داد. این برتری در معیارهای استاندارد مانند امتیاز F1 مشهود بود، جایی که افزایشی تا ۱۲٪ مشاهده شد. این بهبود عملکرد بدون افزایش پیچیدگی محاسباتی یا تعداد پارامترهای مدل در زمان اجرا (inference) به دست آمد.
• کارایی فوق‌العاده در استفاده از داده: یکی از مهم‌ترین دستاوردهای SelfHAR، کارایی بالای آن در شرایط کمبود داده‌های برچسب‌دار است. نتایج نشان داد که این مدل می‌تواند با استفاده از تا ۱۰ برابر داده‌های برچسب‌دار کمتر، به عملکردی مشابه با مدل‌های کاملاً نظارت‌شده که به کل داده‌های برچسب‌دار دسترسی دارند، دست یابد. این ویژگی، هزینه‌ها و موانع توسعه سیستم‌های HAR را به شدت کاهش می‌دهد.
• قابلیت تعمیم‌پذیری بالا: اثربخشی SelfHAR تنها به یک مجموعه داده خاص محدود نبود. این مدل بر روی دیتاست‌های متنوع HAR با ویژگی‌های مختلف (مانند تعداد فعالیت‌ها، فرکانس نمونه‌برداری و نوع حسگرها) آزمایش شد و در همگی آن‌ها عملکردی قوی و پایدار از خود به نمایش گذاشت. این امر نشان‌دهنده انعطاف‌پذیری و قدرت تعمیم رویکرد پیشنهادی است.
• تحلیل تأثیر وظایف پیش‌آموزش: این مقاله همچنین با انجام آزمایش‌های تحلیلی (ablation studies) نشان داد که ترکیب دو جزء اصلی مدل (خودآموزی معلم-شاگرد و خودنظارتی چندوظیفه‌ای) برای دستیابی به بهترین نتیجه ضروری است. این تحلیل‌ها درک عمیق‌تری از چگونگی تأثیر هر یک از این مکانیزم‌ها بر یادگیری بازنمایی و عملکرد نهایی مدل ارائه می‌دهد.

دستاوردها و نتایج مقاله SelfHAR پیامدهای عملی و علمی گسترده‌ای دارد:

کاربردهای عملی

• پایش سلامت از راه دور: توسعه سیستم‌های دقیق‌تر برای نظارت بر فعالیت‌های روزانه بیماران مبتلا به بیماری‌های مزمن، سالمندان (برای تشخیص سقوط) یا افرادی که در دوره نقاهت پس از عمل جراحی هستند. با SelfHAR، این سیستم‌ها می‌توانند با داده‌های برچسب‌دار بسیار کمتری از هر فرد، شخصی‌سازی و راه‌اندازی شوند.
• برنامه‌های تناسب اندام و ورزشی: ایجاد اپلیکیشن‌های ورزشی هوشمندتر که قادر به تشخیص طیف وسیع‌تری از تمرینات (از یوگا تا وزنه‌برداری) با دقت بالا هستند، بدون آنکه کاربر مجبور به برچسب‌گذاری دستی هر فعالیت باشد.
• خانه‌ها و محیط‌های هوشمند: بهبود سیستم‌های مبتنی بر زمینه (context-aware) که به طور خودکار نور، دما یا موسیقی را بر اساس فعالیت فعلی ساکنین تنظیم می‌کنند.
• ایمنی در محیط کار: نظارت بر فعالیت کارگران در محیط‌های پرخطر مانند کارگاه‌های ساختمانی یا کارخانه‌ها برای اطمینان از رعایت پروتکل‌های ایمنی و جلوگیری از حوادث.

دستاورد‌های علمی

• پیشبرد یادگیری نیمه-نظارتی برای داده‌های سری زمانی: این پژوهش یک چارچوب مؤثر و قوی برای اعمال تکنیک‌های پیشرفته نیمه-نظارتی بر روی داده‌های حسگر ارائه می‌دهد که می‌تواند الهام‌بخش تحقیقات آینده در این حوزه باشد.
• کاهش وابستگی به برچسب‌گذاری دستی: مهم‌ترین دستاورد این مقاله، ارائه راهکاری عملی برای غلبه بر گلوگاه اصلی در توسعه سیستم‌های HAR، یعنی نیاز به داده‌های برچسب‌دار، است.

مقاله “SelfHAR” با معرفی یک چارچوب نیمه-نظارتی هوشمندانه، گامی بلند در جهت حل یکی از اساسی‌ترین چالش‌های حوزه بازشناسی فعالیت انسان برمی‌دارد. این پژوهش نشان می‌دهد که با ترکیب خلاقانه روش‌های خودآموزی معلم-شاگرد و خودنظارتی چندوظیفه‌ای، می‌توان از پتانسیل عظیم داده‌های بدون برچسب برای ساخت مدل‌هایی استفاده کرد که هم دقیق‌تر و هم به مراتب کارآمدتر از نظر داده‌ای هستند. توانایی دستیابی به عملکرد پیشرفته با کسری از داده‌های برچسب‌دار، نه تنها یک پیشرفت علمی مهم است، بلکه راه را برای کاربردهای واقعی، مقیاس‌پذیر و مقرون‌به‌صرفه بازشناسی فعالیت انسان هموار می‌کند. SelfHAR یک نمونه برجسته از چگونگی حرکت هوش مصنوعی به سمت سیستم‌هایی است که می‌توانند از داده‌های خام و فراوان دنیای واقعی بیاموزند و به طور مؤثری در زندگی روزمره ما ادغام شوند.