| dc.description.abstract | I årene som kommer vil vi få utfordringer innen velferd, eldrebølgen, matproduksjon, dyre velferd, bevare arter og mangfold, helsetjenester, generell problematikk rundt overvekt, sikkerhet for barn og mye annet. Alle disse kategoriene involverer mennesker, dyr, fugler og fisker, som på en eller annen måte er betjent, enten via mating, beskyttelse, stell og pass, eller indirekte i form av planlegging for, forberede for, eller å bli fasilitet for. Det meste av slike tjenester har så langt blitt utført av menneskelige jobber og tjenester.
Teknologien ser ut til å innta kroppene til både dyr og mennesker, og blir solgt som bærbare sensorer og sporingsenheter, selv om det finnes store mangler ved dem, og de ikke er veldig brukbare. Denne oppgaven vil undersøke hva som er status for relevante teknologier for slike bærbare sensorer, og forsøke å finne ut om det er mulig å gjøre disse ekte bærbare, slik at det fungerer overalt uten begrensningene vi opplever idag. Jeg vil også undersøke hva som kan skje dersom vi tilfører kunstig intelligens til disse sensorene, om det blir mulig å gjøre dem smartere og mer brukbare i omsorgs-tjenester for mennesker, dyr, fugler og fisker. Jeg ønsker å bidra med forskning slik at algoritmene kan utføre maskinarbeidet, så kan omsorgspersonene fokusere på den menneskelige delen av omsorgen.
Denne masteroppgaven vil også undersøke hvilke forhold som er tilstede for å innovere i forretningsmodell. Dersom vi skal lykkes med å etablere bedre og mer effektiv teknologi for våre fremtidige omsorgstjenester, så må det også være forretningsmuligheter som tiltrekker innovasjon.
Forskningsstrategien har har vært intervjuer for å samle narrative historier fra eksperter om forskningsfronter, en bred litteratur studie, og SDI metoden for å analysere og sette sammen til min narrative versjon. Denne masteroppgaven konkluderer med et paradigmeskifte for bærbare IoT sensor tjenester, og viser til optimale forhold for innovasjon i forretningsmodeller, kanskje til og med et shift i forretningsmodell til smarte omsorgstjenester.
Det er behov for videre forskning innen energieffektive mikrokontrollere, løsninger for energi høsting, enda mer optimalisert maskinlæring, og der hvor det tilsynelatende er størst behov for videre forskning akkurat nå er i hvordan man skal trene opp maskinlærings modellene, ute i feltet med tilgang på lite trenings- og verifiserings-data, med mål om personaliserte modeller. Videre hvordan sensorene skal dele det de har lært, slik at alle kan delta i treningen. Et annet veldig viktig tema er etikk, og hvordan de personaliserte modellene skal håndteres på etisk og forsvarlig vis. | |
| dc.description.abstract | In the years ahead, we are faced with several complex challenges, such as a human welfare, the elderly wave, food production, animal welfare, wildlife preservation, health care, general population obesity, kids safety, and much more. Within almost all of these, there are living creatures such as humans, animals, fish and birds that are somehow serviced today, either directly through feeding, caring, nursing or watching, or indirectly in the form of planning for, preparing for, or facilitating for. Most of such efforts up until now has involved human jobs and services.
Technology seems to be entering the body of humans and animals, sold as wearable sensors and trackers, but there are hurdles to overcome and in most cases it isn’t very usable. This research will investigate the state of relevant technologies for such wearable sensors, and seek to understand if we can make these sensors truly wearable, so they can work everywhere without the limitations we experience today. I will investigate what is likely to happen if adding artificial intelligence to these sensors, if we can create smarter and more useful services to use when caring for humans, animals, birds and fish. My aim is to contribute with research so the algorithms may provide better and faster data to more efficiently decide on a relevant cause of action, minimising the effort for the human agent in data collection, and leaving more time for the exclusively human perspectives, e.g. those requiring sociability and empathy.
This thesis will also look at the conditions for business model innovations. If we shall succeed in establishing better, more efficient and smarter technology for our future care services, there must be interesting business to drive the innovation ahead.
Narrative inquiry was used as the research strategy, when collecting information from leading experts, as well as a wide literature study, to triangulate knowledge about relevant technology and their research fronts. The Stepwise-deductive Inductive (SDI) method was used when analysing towards my narrative portrait, concluding on a paradigm shift for wearable IoT sensors services, and that conditions are good for business model innovation, maybe even a business model shift to smarter care services.
There are need for further research in energy efficient microcontrollers, energy harvesting, more optimized machine learning, but the biggest need as it seems right now, it how to train the machine learning models, in the field with little available training and verification data, in order to achieve personalised models, and how to share so all sensors can participate in the training. Another very important subject is ethics, and how to handle to personalised machine learning models in ethical ways. | |
