由于麻省理工學院和杜比實驗室的研究人員和其他同仁的努力，不久的將來可以通過可穿戴設備分析閱讀和情緒。

如果你想象一下，當你家大哥帶著Alexa、Watson或者其他尚未開發(fā)的未來派可穿戴設備觀察分析你的情緒或者健康狀況時，是不是還是覺得有點可怕？一位神經(jīng)科學的學者認為，我們離我們的設備或者那些安裝在我們身邊的設備開始收集我們的信息的時刻已經(jīng)不遠了。 杜比實驗室的首席科學家Poppy Crum說，我們身體發(fā)出了各種信號，都是可以通過先進的計算機系統(tǒng)進行掃描和分析的。你有沒有被嚇到?。緾rum在最近的一次演講中表示，與已有的可穿戴設備類似，未來的設備可以設置在整個公共空間收集這些有價值的生物數(shù)據(jù)。因為他們是我們周圍環(huán)境的一部分，我們將無法選擇退出或者放棄監(jiān)控，因為技術和新法規(guī)也將應運而生。

使用熱成像攝像頭，“心智”腦電圖（EEG）帽，心率檢測器和皮膚反應傳感器，都可以將志愿觀測者的身體和思想反饋到屏幕上。 Crum在她最近的TED 2018溫哥華主題演講中表示“我們喜歡相信我們從他人那里看到或者聽到的，也以為了解我們自身內(nèi)部狀態(tài)的認知控制，比如我們的情緒、不安全感、虛張聲勢、考驗或者磨難，”“但是可穿戴技術已經(jīng)可以區(qū)分一個真正的微笑和假的微笑了。一個充滿激情的動態(tài)簽名，可能會讓你感覺到改變我們的大腦是如何努力工作的，我們是如何參與其中或者表現(xiàn)興奮的，甚至是看到火焰的照片時臉頰上的發(fā)熱表現(xiàn)。”

在其他應用中，EEG可穿戴技術已經(jīng)被用于創(chuàng)建一個機器設備，它可以解讀來自大腦腦電波的單詞，而根本不需要說話，就可以讓計算機用戶使用思想的力量來打開應用程序。 Crum說你的設備會比你更了解你，我們需要考慮如何使用這些數(shù)據(jù)。

心靈閱讀耳機 麻省理工學院的一個團隊一直在研究一種耳機，可以閱讀你的想法。AlterEgo是一種頭戴式或者更合適叫做下頜安裝式設備，可以通過內(nèi)置電極來讀取神經(jīng)肌肉信號。

一名學生Arnav Kapur說“我們的想法是：我們可以擁有一個更內(nèi)在的計算平臺，它以某種方式融合了人和計算機，感覺就像是一個我們自己的認知的內(nèi)部擴展。這個動機是建立在一個IA設備，即智能增強設備之上的”。麻省理工學院的研究小組表示，它能夠讓10人的命令實現(xiàn)92％左右的準確率。該團隊還增加了骨傳導音頻播放以及保持系統(tǒng)完全靜音，這是一種可能使其對特殊操作有用的元素。 音樂匹配你的心情 很快就會有一款應用可以根據(jù)你的思維模式來識別一段音樂了。

2014年，研究員Brian Pasley和加州大學伯克利分校的同事們使用深度學習算法和大腦活動進行用電極將人的思想轉化為數(shù)字合成語音來進行測量。這是通過分析一個人在講話時的腦波來解碼語音和大腦活動之間的聯(lián)系來實現(xiàn)的。 早期癌癥檢測 有種設備是隱藏在皮膚之下的，科學家已經(jīng)發(fā)明了一種植入物，能夠檢測到人體內(nèi)的癌癥，并且早期會在皮膚上出現(xiàn)人造痣來警示你。 小貼片位于皮膚下面，由細胞網(wǎng)絡組成，不斷檢測體內(nèi)的鈣的水平。癌癥會導致鈣急速流失，當流失太多時，植入物會觸發(fā)黑色素生成，它是身體的鞣制色素，從而就形成了小黑痣。

蘇黎世聯(lián)邦理工學院生物系統(tǒng)科學與工程系教授MarTIn Fussenegger表示，該植入物可以存在十年。蘇黎世大學ETH的瑞士科學家說，該設備“可以識別四種最常見的癌癥類型－－－前列腺癌、肺癌、結腸癌和乳腺癌，都是可以在腫瘤發(fā)展的早期階段識別?，F(xiàn)在，人們一般只有在腫瘤開始出現(xiàn)問題時才去看醫(yī)生。不幸的是，那個時候經(jīng)常是已經(jīng)太晚了。早期發(fā)現(xiàn)顯然會提高生存的機會。” “痣”在癌癥通過常規(guī)診斷可以被檢測出現(xiàn)之前就已經(jīng)出現(xiàn)，作為一種早期預警系統(tǒng)可以告訴人們該去尋求治療了。英國癌癥研究中心的Catherine Pickworth博士說“可穿戴技術有一天可能成為癌癥預警信號的想法令人興奮，但這項研究還處于初級階段。早期發(fā)現(xiàn)癌癥是改善生存率的最有效方法之一，因此尋找檢測高風險人群或者緩解人群的最佳方法是一項重大挑戰(zhàn)”。 這個團隊現(xiàn)在已經(jīng)改進了此前的研究并將其應用于音樂。他們能夠預測出鋼琴家的大腦活動想法，比原來的研究準確提高50％。當演奏者在電子琴鍵上演奏時，該團隊錄制了演奏者的大腦活動。通過這樣，他們能夠匹配大腦模式和演奏的音符。然后，他們再次進行實驗，但是這次關閉了鍵盤的聲音并要求演奏者在演奏時想象音符，這種訓練使得他們能夠創(chuàng)建自己的音樂預測算法。

Pasley說“我們研究的長期目標是開發(fā)講話設備的算法，以讓無法說話的患者可以進行交流”。 “我們距離實現(xiàn)這一目標還很遙遠，但這項研究代表了向前邁出的重要一步。它表明聽覺圖像的神經(jīng)信號足夠穩(wěn)定和精確，可用于機器學習算法，該算法可以根據(jù)測量大腦活動預測聲音信號”。