摘要：研究人员开发了一个框架，以实现基于人工智能的分散建筑自动化，重点是隐私。该系统使AI驱动的设备诸如摄像机和接口之类的设备可以使用一种新形式的设备到设备通信直接合作。这样一来，它消除了中央服务器的需求，因此需要集中数据保留，通常被视为潜在的安全性弱点和私人数据的风险。...

东京大学的研究人员开发了一个框架，以使基于人工智能的建筑自动化以隐私为重点。该系统使AI驱动的设备诸如摄像机和接口之类的设备可以使用一种新形式的设备到设备通信直接合作。这样一来，它消除了中央服务器的需求，因此需要集中数据保留，通常被视为潜在的安全性弱点和私人数据的风险。

我们生活在一个日益自动化的世界中。汽车，房屋，工厂和办公室正在获得一系列自动化功能，以引导它们，加热，点燃或以某种方式控制它们。自动化系统有许多方法，但目前最多需要许多程序，这些行为可能是劳动密集型且不灵活的行为，或者当涉及AI时，需要高度的集中度。但这带来了一些风险。

信息与通信工程系的副教授Hideya Ochiai说：“用于灯或温度控制的典型家庭或办公室自动化系统可能涉及相机以监视乘员并代表他们改变条件。” “在传统的方法下，大多数人认为这些数据是非常个性化的，尤其是在您自己的家中，将在中央系统上汇总。违反该系统可能会冒着泄漏该个人数据的危险。因此，我和我的团队设计了一种改进的方法，该方法不仅是分散的，不仅会使您的个人数据远离直接自动化过程所需的个人数据。”

他们的方法（称为分布式逻辑建筑自动化（D-LFBA））描述了可以直接进行通信的设备，例如相机和其他传感器和用于灯或温度控制的控制器，从而避免依靠集中化，并可以给予少量的内部存储空间，从而减少捕获和保留更多数据的需求。

Ochiai说：“我们有效地传播了神经网络的负载，即负责学习和控制事物的计算机程序，跨环境中的设备。” “在已经提到的优点中，它应该提供兼容性的跨供应商层，这意味着自动化环境不必由一个制造商的系统组成。”

使D-LFBA尤其独特的是它的学习能力而无需编程。使用同步时间戳，系统随着时间的推移将具有相应控制状态的图像匹配。当用户与环境互动，通过翻转开关或在房间之间移动时，系统会学习这些偏好。随着时间的流逝，它会自动调整。

Ochiai说：“即使没有人写逻辑，AI也可以产生细粒度的控制。” “我们看到在去年的试验中，用户对系统适应其习惯的状况感到惊讶。”

期刊文章：Hara，Hiroshi Esaki，Hideya Ochiai“使用分裂学习的隐私意识无逻辑自动化”，IEEE人工智能会议2025

资金：这项研究是作为东京绿色大学联盟的一部分进行的