当 AI 遇上生物传感

健康 AI 的论文往往从有意思的部分结束之后才开始：一份干净的数据集，伪迹已经去掉，标签已经达成一致。而在一台被持续佩戴的设备上，这些前提一个都不成立。

先有信号，才有智能

运动伪迹、电极接触、环境干扰，以及一个再朴素不过的事实——人戴着传感器的同时还在过自己的生活——这些主导了整个误差预算。一个在干净数据上训练、却部署到真实生活数据上的模型，会以看起来很自信的方式失败。

所以顺序很重要：信号 → 传感 → AI → 判读。 每一个箭头都是质量被保住或被丢掉的地方，而后面的环节无法恢复前面环节已经毁掉的东西。

硬件与模型一起设计

当传感器和模型由同一个团队设计，模型就可以依赖硬件所保证的性质，硬件也可以砍掉模型并不需要的东西。这种协同设计就是优势所在——而只拥有其中一半的人，拿不到它。