تتصل بي أمي كل يوم أحد. قبل بضعة أشهر، ذكرت لي — كأنها ملاحظة عابرة — أن جدتي توقفت عن ارتداء قلادة الإنذار الطبي الخاصة بها. قالت أمي: "إنها تشعرها بالشيخوخة"، بذلك الإرهاق المميز لشخص خاض هذا الجدال مرات عديدة.
عمر جدتي 83 عامًا. تعيش وحدها. كان من المفترض أن تكون القلادة شبكة الأمان الخاصة بها — تضغط على زر فتحصل على المساعدة. لكنها الآن موضوعة في أحد الأدراج، بجانب كابل شحن لا تستطيع التعامل معه تمامًا ودليل بدء سريع لم يقرأه أحد. إنه أكثر أجهزة الطوارئ الشخصية تطورًا في السوق، وهو من الناحية العملية مجرد ثقّالة ورق.
تلك المحادثة بلورت شيئًا كنت أدور حوله منذ فترة في Veriprajna. كنا منغمسين في البحث حول معلومات حالة القناة (Channel State Information) — طبقة البيانات المعقدة المخفية داخل كل إشارة واي فاي — وكنت أعود دائمًا إلى نفس السؤال المزعج: ماذا لو كانت صناعة مراقبة الصحة القابلة للارتداء بأكملها تحل المشكلة الخاطئة؟
ليست مشكلة في المستشعر. ليست مشكلة في البطارية. بل مشكلة إنسانية.
الجهاز الذي رفضت جدتي ارتداءه يتمتع بخوارزميات ممتازة لكشف السقوط. بطاريته تدوم 48 ساعة. وهو مقاوم للماء بمعيار IP68. ولا شيء من ذلك مهم، لأنه يتطلب من امرأة تبلغ 83 عامًا مصابة بالتهاب المفاصل أن تتعاون بفاعلية مع قطعة من التكنولوجيا كل يوم دون استثناء. وتؤكد الأبحاث ما أثبتته جدتي بعنادها الصرف: يتخلى نحو 30% من المستخدمين عن أجهزة تتبع الصحة الخاصة بهم خلال ستة أشهر. وبين مستخدمي قلادات الاستجابة للطوارئ الشخصية تحديدًا، يحقق 14% فقط الالتزام الفعلي على مدار 24 ساعة.
أكثر أجهزة مراقبة الصحة فعالية ليس ذلك الذي يمتلك أفضل المستشعرات. بل هو ذلك الذي لا يتطلب أي تفاعل على الإطلاق. وربما يكون موجودًا بالفعل في غرفة معيشتك، يومض بهدوء بجانب جهاز المودم.
مفارقة الاستحمام
إليك إحصائية ينبغي أن تقلق أي شخص يعمل في تكنولوجيا الرعاية الصحية: الحمام هو أخطر غرفة في المنزل بالنسبة لكبار السن، وهو أيضًا الغرفة التي يُرجّح فيها خلع الأجهزة القابلة للارتداء أكثر من أي مكان آخر.
بدأت أُطلق على هذا اسم "مفارقة الاستحمام" عندما كنا نرسم خرائط أنماط الفشل في أنظمة المراقبة النشطة. فرغم أن الساعات الذكية الحديثة تحمل تصنيفات مقاومة للماء بمعيار IP67 أو IP68، يخلعها كبار السن بانتظام قبل الاستحمام. عمر كامل من التجارب مع أجهزة إلكترونية لم تكن تتحمل رذاذ الماء. الخوف من إتلاف شيء غالي الثمن. عدم الارتياح لحزام مبلل على بشرة هشة. الأسباب مألوفة ومنطقية تمامًا.
وهكذا يبقى المستخدم دون مراقبة خلال بالضبط الفترة التي يكون فيها احتمال السقوط في أعلى مستوياته. بلاط زلق، حواف بورسلين صلبة، بخار يقلل الرؤية — بينما الجهاز موضوع على المغسلة، مشحون بالكامل، وعديم الفائدة تمامًا.
عندما عرضت هذه المشكلة على أحد المستثمرين في وقت مبكر، هز كتفيه وقال: "إذن اصنع قلادة مقاومة للماء لا يمكنهم خلعها." أتذكر أنني كنت جالسًا في ذلك الاجتماع أفكر: أنت تريد تقييد امرأة عمرها 83 عامًا بمستشعر. هذا ليس حلاً. هذا قيد.
السؤال ليس كيف نجعل الناس يرتدون أجهزة مراقبة. بل كيف نجعل المراقبة غير مرئية.
ماذا لو استطاعت جدرانك أن تستمع إلى تنفسك؟
ليس بواسطة الميكروفونات. بل بواسطة موجات الراديو.
كل جهاز راوتر واي فاي في منزلك يبث باستمرار إشارات ترددات راديوية ترتد عن الجدران والأثاث — والأهم من ذلك — عن الأشخاص. تحمل هذه الإشارات شيئًا يُسمى معلومات حالة القناة، أو CSI. وخلافًا لمؤشر قوة الإشارة البسيط الذي يظهره هاتفك (تلك الأشرطة المألوفة)، يصف CSI كيفية انتشار الإشارة اللاسلكية عبر عشرات أو مئات من الحوامل الفرعية الترددية الفردية. فهو يلتقط السعة والطور لكل واحدة منها. وهو في جوهره بصمة كهرومغناطيسية عالية الدقة للبيئة الفيزيائية.
عندما يتحرك شخص عبر تلك البيئة، فإنه يعبث بهذه البصمة. امشِ عبر غرفة، وسينشئ انزياح دوبلر في الإشارة المرتدة نمطًا مميزًا للسرعة. حرّك ذراعيك أثناء المشي، وسيلتقط CSI التفاعل المعقد بين الأطراف وهي تتحرك نحو جهاز الاستقبال وبعيدًا عنه.
لكن إليك ما أذهلني حقًا في المرة الأولى التي رأيت فيها البيانات: لست بحاجة إلى المشي. كل ما عليك فعله هو التنفس.
عند تردد 5 جيجاهرتز، يكون الطول الموجي لإشارة الواي فاي نحو 6 سنتيمترات. يتحرك جدار الصدر البشري بمقدار يتراوح بين 4 و12 ملم تقريبًا أثناء التنفس الطبيعي. وهذا جزء صغير من الطول الموجي — لكنه كافٍ. فمع توسع الصدر وانقباضه، تنتقل الإشارة المرتدة بين التداخل البنّاء والهدّام، مما يخلق تذبذبًا إيقاعيًا في بيانات طور CSI. ويمكننا إعادة بناء موجة التنفس من هذا التذبذب بدقة مماثلة لأحزمة التنفس الطبية — إذ تُظهر التقييمات التجريبية أخطاء في تقدير معدل التنفس أقل من 3.2 نفسًا في الدقيقة، وتحقق نماذج التعلم العميق معاملات ارتباط تتجاوز 0.92 مقارنة بأحزمة الصدر المرجعية.
أتذكر الليلة التي استخرج فيها فريقنا لأول مرة إشارة تنفس نظيفة من راوتر واي فاي عادي. كان الوقت متأخرًا — بعد منتصف الليل بكثير — وكان أحد مهندسينا مستلقيًا على أريكة في مساحة الاختبار لدينا لمدة عشرين دقيقة بينما كنا نضبط خط المعالجة الأولية. وعندما ظهرت الموجة على الشاشة، ناعمة ومنتظمة، تتبع تنفسه بدقة تامة، ساد الصمت الغرفة. ثم قال أحدهم: "إنه نائم بالفعل." واستطعنا رؤية ذلك. ليس بكاميرا. ولا بحزام صدري. بل عبر جدار، بواسطة موجات الراديو، من راوتر ثمنه 30 دولارًا.
كانت تلك هي اللحظة التي أدركت فيها أننا لا نعمل على تحسين تدريجي. بل كنا نعمل على نموذج مختلف تمامًا.
لماذا لا يمكن ببساطة استخدام GPT لهذا الغرض؟
أتلقى هذا السؤال باستمرار. عادةً من أشخاص أمضوا العامين الماضيين وهم يشاهدون نماذج اللغة الكبيرة تقوم بأشياء مثيرة للإعجاب بشكل متزايد، وخلصوا بشكل منطقي إلى أن "الذكاء الاصطناعي" يعني "إلقاءه على محول (ترانسفورمر) مدرب على نصوص الإنترنت".
بيانات CSI ليست نصًا. بل هي بعيدة تمامًا عن أن تكون نصًا. إنها بيانات مستمرة، ذات قيم مركبة، عالية الأبعاد، وتخضع لمعادلات ماكسويل، لا لقواعد اللغة. لا يستطيع نموذج اللغة الكبير (LLM) "قراءة" موجة بتردد 5 جيجاهرتز أكثر مما يستطيع تذوق ليمونة. البنيتان غير متوافقتين جوهريًا.
لهذا أشعر بالإحباط عندما أرى شركات تسوّق لأنظمة مراقبة صحية "مدعومة بالذكاء الاصطناعي" لا تعدو كونها غلافًا برمجيًا (API) حول نموذج عام الغرض. في Veriprajna، نبني شبكات عصبية عميقة مصممة خصيصًا لمعالجة الإشارات الزمنية. هذا الفارق مهم — إنه الفرق بين نظام يعمل في عرض تجريبي وآخر يعمل في الساعة الثالثة فجرًا حين تسقط جدة أحدهم في الحمام.
تستخدم بنيتنا ثلاثة أنواع من الشبكات العصبية بشكل متناغم، يتعامل كل منها مع جانب مختلف من الإشارة:
الشبكات العصبية التلافيفية تعامل مصفوفة بيانات CSI — الحوامل الفرعية مرسومة مقابل الزمن — كنوع من الصور. تتعلم شبكة CNN الارتباطات المكانية عبر الترددات، فتميز "الشكل" الطيفي للسقوط عن شكل مروحة سقف دوارة. شبكات الذاكرة الطويلة القصيرة المدى (LSTM) تضيف سياقًا زمنيًا. فالسقوط ليس لحظة واحدة؛ بل هو تسلسل — الوقوف، فقدان التوازن، التسارع نحو الأسفل، الارتطام، ثم السكون. تتذكر شبكة LSTM ما حدث قبل ذلك، وهذا ما يمكّننا من التمييز بين شخص يسقط وشخص يرتمي على أريكة. والمحولات ثنائية الفرع (Dual-Branch Transformers) تعالج بيانات السعة والطور في آنٍ واحد عبر مسارين منفصلين، ثم تدمجهما بواسطة آلية انتباه تعطي الأولوية ديناميكيًا لأي من التدفقين يحمل معلومات أكثر أهمية. فأثناء النوم، يعتمد النموذج على بيانات الطور حيث تكمن إشارة التنفس. وأثناء النشاط، ينتقل إلى الاعتماد على السعة.
لقد كتبت عن البنية التقنية الكاملة — خط المعالجة الأولية، ونهج التكيف مع النطاقات، وفيزياء مناطق فرينل — في ورقتنا البحثية المفصلة. والخلاصة: هذه ليست مشكلة يمكن حلها بنموذج مُدرَّب مسبقًا وهاكاثون في عطلة نهاية الأسبوع. فمعالجة الإشارة وحدها تتطلب فك التفاف الطور، وتصفية هامبل، وتحليل المكونات الرئيسية، قبل أن تتمكن أي شبكة عصبية من رؤية البيانات أصلًا.
لا يستطيع نموذج اللغة الكبير "قراءة" موجة بتردد 5 جيجاهرتز. أخطر شيء في الذكاء الاصطناعي الصحي ليس الخوارزميات السيئة — بل التسويق الجيد لتقنية سطحية.
كيف يكتشف استشعار الواي فاي السقوط فعليًا؟
للسقوط بصمة حركية مميزة بشكل مدهش في نطاق الترددات الراديوية. تنتج الأنشطة المختلفة أنماط دوبلر مختلفة — وهو الانزياح الترددي الذي يحدث عندما ترتد إشارة عن جسم متحرك.
يولّد المشي نمطًا معقدًا ومتذبذبًا مع حركة الذراعين والساقين نحو جهاز الاستقبال وبعيدًا عنه. أما الجلوس فينتج سرعة هبوطية قصيرة ومتحكم بها. لكن ماذا عن السقوط؟ يُظهر السقوط تسلسلًا محددًا: حركة غير منتظمة (فقدان التوازن)، تسارع سريع نحو الأرض (الجاذبية تؤدي عملها)، ارتفاع حاد في الطاقة (الارتطام)، ثم — وهذا هو الأهم — سكون شبه تام.
هذا السكون هو الأهم على الإطلاق. نطلق عليه "الاستلقاء الطويل"، وهو غالبًا أخطر من السقوط نفسه. فالشخص المسن الذي يستلقي على الأرض لساعات، عاجزًا عن النهوض، يواجه انحلال الربيدات (rhabdomyolysis)، والجفاف، وإصابات الضغط. السقوط يكسر الورك؛ أما الاستلقاء الطويل فقد يقتل.
نظامنا لا يكتفي باكتشاف حدث السقوط — إذ يحقق حساسية كشف للسقوط تتجاوز 97% — بل يواصل المراقبة بعد ذلك. فإذا أظهرت بيانات CSI غياب الحركة الحركية الكبرى مع استمرار وجود حركة دقيقة (التنفس) على مستوى الأرض، يؤكد النظام حالة "سقوط مع عجز عن الاستعادة" ويصعّد التنبيه. هذا السياق اللاحق للسقوط شيء لا تستطيع مقاييس التسارع القابلة للارتداء تقديمه أساسًا. فالجهاز القابل للارتداء يمكنه إخبارك بأنه شعر بتباطؤ مفاجئ. لكنه لا يستطيع إخبارك أن الشخص الآن مستلقٍ على أرضية الحمام، يتنفس لكن دون حراك، منذ أربعين دقيقة.
هناك طبقة أخرى تثير حماسي أكثر من ذلك: الكشف المبكر قبل السقوط. فمن خلال المراقبة المستمرة لطريقة المشي — سرعة المشي، وانتظام الخطوات — على مدى أسابيع، يمكن للنظام تحديد التدهور الطفيف في الحركة الذي عادةً ما يسبق السقوط. فالتباطؤ التدريجي في سرعة المشي مؤشر معتمد سريريًا للتنبؤ بخطر السقوط. وهذا يعني أنه يمكننا تنبيه شخص ما لتلقي علاج طبيعي وقائي قبل وقوع الحادث، وليس فقط الاستجابة بعده.
الغرفة التي ترى بلا عينين
خضت جدالًا مع أحد الزملاء حول الخصوصية استمر، بشكل متقطع، لنحو ثلاثة أسابيع.
موقفه: أي نظام يراقب الأشخاص في منازلهم هو مراقبة أمنية (surveillance)، وانتهى الأمر. أما موقفي فهو: يعتمد الأمر كليًا على ما يستطيع النظام رؤيته.
الكاميرا في غرفة النوم تسجل جسد الشخص، ووجهه، ولحظاته الحميمة. وإذا تم اختراق البث، يكون الضرر كارثيًا ولا رجعة فيه. أما بيانات CSI — المادة الخام لاستشعار الواي فاي — فتتكون من أرقام مركبة تمثل خصائص انتشار الإشارة. فإذا اعترضت تدفق البيانات، فلن ترى سوى مصفوفات من قيم السعة والطور. لن ترى وجهًا. لن ترى جسدًا. ولن تتمكن من إعادة بناء صورة حتى لو حاولت. النظام أعمى بصريًا بحكم التصميم.
استشعار الواي فاي لا يراقب الأشخاص. بل يستشعر الاضطراب الذي يحدثونه في المجال الكهرومغناطيسي. هذا الفارق ليس لفظيًا — بل هو الفرق بين المراقبة الأمنية والوعي.
هذا الأمر بالغ الأهمية بالنسبة لمشكلة الحمام. فالكاميرات محظورة — عن حق — في الحمامات وغرف النوم في معظم مرافق الرعاية. لكن إشارات الواي فاي تخترق الجدران والأبواب وستائر الاستحمام. وتعمل عبر البخار. وتعمل في الظلام الدامس. وهكذا تصبح أخطر غرفة في المنزل قابلة للمراقبة دون توجيه عدسة واحدة نحو أي شخص.
بالنسبة للعملاء المؤسسيين — دور رعاية المسنين، ومرافق المعيشة المدعومة، وبرامج المستشفى في المنزل — فإن الآثار التنظيمية كبيرة. فبموجب اللائحة العامة لحماية البيانات (GDPR)، تُصنَّف بيانات CSI كبيانات بيومترية لأنها قد تحدد هوية الأفراد نظريًا عبر نمط المشية. وبموجب قانون HIPAA، تُعد البيانات الصحية المستمدة من المراقبة معلومات صحية محمية. ونحن نتعامل مع هذا الأمر عبر معالجة صارمة على الحافة (edge processing): تتم معالجة بيانات CSI الخام محليًا على الراوتر أو البوابة، ولا تغادر الإشارة البيومترية عالية النطاق الترددي الجهاز أبدًا، ولا يُرسَل إلى السحابة سوى الأحداث المجرّدة. حزمة JSON تقرأ {"event": "Fall", "location": "Bathroom", "confidence": 0.98} لا تحتوي على أي بيانات بيومترية ولا يمكن إجراء هندسة عكسية لها لتحديد فسيولوجيا أي شخص.
أستعرض بنية الخصوصية الكاملة وإطار الامتثال في النسخة التفاعلية من ورقتنا البيضاء.
ماذا عن الغرف المختلفة والمنازل المختلفة؟
هذا هو الاعتراض الذي آخذه على محمل الجد أكثر من غيره، لأنه ظل لسنوات عائقًا حقيقيًا أجهض أبحاث استشعار الواي فاي.
النموذج المدرَّب على بيانات CSI التي جُمعت في المختبر أ سيفشل فشلًا ذريعًا عند نشره في الشقة ب. أبعاد غرفة مختلفة، أثاث مختلف، مواد جدران مختلفة — تغير بيئة المسارات المتعددة كل شيء. فالنموذج لم يكن يتعلم "كيف يبدو السقوط". بل كان يتعلم "كيف يبدو السقوط في هذه الغرفة تحديدًا، مع هذه الأريكة تحديدًا، في هذه الزاوية تحديدًا." أي أنه كان مفرط التكيّف مع انعكاسات مكان واحد.
أمضى فريقي فترة مؤلمة حقًا وهو يكتشف هذا الأمر بنفسه. كانت لدينا أرقام دقة رائعة من بيئة الاختبار لدينا — تتجاوز 98% في كشف السقوط — ثم نقلنا الإعداد إلى طابق مختلف في المبنى نفسه، وشاهدنا الأرقام تنهار. أتذكر أنني كنت أحدق في مصفوفة الالتباس، وأظن أننا وصّلنا شيئًا بشكل خاطئ. لم نكن كذلك. كان النموذج ببساطة قد حفظ الغرفة عن ظهر قلب.
جاء الحل من نهج تدريب تنافسي يُسمى الشبكات العصبية التنافسية للنطاقات (Domain Adversarial Neural Networks). الفكرة أنيقة من الناحية المبدئية لكنها مرهقة عند التنفيذ: تُدرّب الشبكة على هدفين متنافسين في آنٍ واحد. رأس واحد يحاول تصنيف النشاط بشكل صحيح — سقوط مقابل مشي مقابل جلوس. والرأس الآخر يحاول تحديد البيئة التي جاءت منها البيانات. ثم تُجبر مستخلص السمات على إرباك مصنّف البيئة. وهكذا تُجبر الشبكة على تعلّم سمات ثابتة لا تتغير بتغير الغرفة — أي "المثال الأفلاطوني" لبصمة السقوط التي تبدو متطابقة سواء حدثت في شقة استوديو أو في ممر دار رعاية مسنين.
وعندما نجحنا أخيرًا في تشغيل هذا — بعد أسابيع من ضبط المعاملات الفائقة وأكثر من نقاش ليلي حول طبقات عكس التدرج — استقرت الدقة عبر البيئات المختلفة. ليست مثالية. لكنها قابلة للنشر. وهكذا تحوّل شعار "درّب مرة واحدة، انشر في كل مكان" من طموح إلى واقع هندسي.
التحديث دون أي عتاد جديد
بالنسبة للمشغّلين الذين أتحدث معهم — القائمون على مرافق المعيشة المدعومة، والخبراء الاكتواريون في شركات التأمين الذين يضعون نماذج لمخاطر السقوط، ومديرو برامج المستشفى في المنزل — فإن جوهر العرض ليس حقًا عن الذكاء الاصطناعي. بل عن الجدوى الاقتصادية.
تمتلك هذه المرافق بالفعل شبكات واي فاي مؤسسية. ولديها بالفعل أجهزة راوتر في الممرات ونقاط وصول في المناطق المشتركة. وتكمن قدرة الاستشعار في الإشارات التي تبثها هذه الأجهزة بالفعل. ومع الشريحة المناسبة — سلسلة Networking Pro من Qualcomm المزودة بوحدة معالجة Hexagon NPU المدمجة، أو منصات Wi-Fi 7 وWi-Fi 8 من Broadcom المزودة بمحرك القياس عن بُعد BroadStream، أو حتى متحكمات ESP32 الدقيقة بسعر 5 دولارات المنشورة كعُقد استشعار مخصصة — يكون التحديث برمجيًا في الأساس.
لا حاجة لشراء أجهزة قابلة للارتداء أو فقدانها أو شحنها أو استبدالها. ولا حاجة لتركيب كاميرات أو صيانتها أو الدفاع عنها في دعوى قضائية متعلقة بالخصوصية. تحديث للبرامج الثابتة (firmware) يفعّل كشف السقوط في 100 غرفة في آنٍ واحد.
تعمل هيئة IEEE على إضفاء الطابع الرسمي على هذا عبر معيار 802.11bf، معيار استشعار شبكات WLAN المتوقع اعتماده رسميًا في أواخر 2024/2025. وعندما يصدر، سيدعم كل راوتر واي فاي جديد بشكل أصيل استخراج بيانات CSI وطلبات الاستشعار. عندها يصبح الراوتر رادارًا معياريًا. البنية التحتية موجودة بالفعل. كل ما في الأمر أننا لم نكن نستخدمها.
يسألني الناس أحيانًا عما إذا كان الاستشعار السلبي عبر الواي فاي سيحل محل الأجهزة القابلة للارتداء تمامًا. لا أعتقد ذلك — على الأقل ليس بالنسبة للفئات النشطة والمتنقلة التي تستفيد من مراقبة معدل ضربات القلب أثناء التمارين أو تتبع GPS أثناء الأنشطة الخارجية. فالأجهزة القابلة للارتداء تخدم غرضًا حقيقيًا لفئة "كبار السن الشباب"، أي الفئة العمرية من 65 إلى 75 عامًا المتمرسة رقميًا والنشطة جسديًا. لكن ماذا عن شخص عمره 85 عامًا مصاب بالخرف ولا يتذكر شحن قلادته؟ وماذا عن المريض الذي يتعافى في المنزل بعد جراحة ويحتاج إلى مراقبة تنفسية مستمرة؟ وماذا عن مشغّل المرفق الذي يحاول توفير تغطية أمنية على مدار الساعة دون كاميرا في كل غرفة؟ الإجابة ليست جهازًا أفضل قابلًا للارتداء. بل هي عدم وجود أي جهاز قابل للارتداء على الإطلاق.
يسأل آخرون عن الحيوانات الأليفة — هل سيطلق كلب إنذارات كاذبة؟ إن بصمة دوبلر لكلب تيرير يزن 15 رطلاً وإنسان عمره 80 عامًا مختلفة بشكل كبير من حيث نمط السرعة والمقطع العرضي للجسم. تتعلم الشبكة العصبية هذا الفارق بسرعة. أما القطط فهي أكثر صعوبة، لكن السياق الزمني من شبكة LSTM — أي تسلسل الحركة، وليس مجرد لقطة واحدة — يتعامل مع معظم الحالات الحدّية.
الهواء مليء بالمعلومات بالفعل
أفكر في جدتي كثيرًا عندما أعمل على هذه التقنية. فهي ليست حالة استخدام أو شخصية افتراضية في عرض تقديمي. بل هي إنسانة تريد أن تعيش في منزلها الخاص، بروتينها الخاص، دون قلادة بلاستيكية حول رقبتها تُذيع هشاشتها لكل زائر.
الهواء في شقتها مشبع بالفعل بإشارات الواي فاي. فهي تمر عبر جدرانها، وترتد عن أثاثها، وتتموج مع كل نفس تأخذه. والآن، تتبدد كل تلك المعلومات دون استخدام — مجرد ضجيج كهرومغناطيسي، غير مرئي ومُتجاهَل.
لدينا الفيزياء اللازمة لقراءتها. ولدينا الذكاء الاصطناعي لتفسيرها. ولدينا العتاد المُركّب بالفعل في ملايين المنازل. الشيء الوحيد الذي يقف بيننا وبين ما نحتاج إلى الوصول إليه هو الاستعداد للتوقف عن التفكير في مراقبة الصحة كشيء يُربط على جسد الشخص، والبدء بالتفكير فيها كشيء يُنسَج في المساحة المحيطة به.
مستقبل مراقبة الصحة لا يتعلق بأدوات أفضل. بل يتعلق بجعل المبنى نفسه واعيًا — وجعل ذلك الوعي غير مرئي.
إن عصر مطالبة الأشخاص الضعفاء بإدارة تقنية المراقبة الخاصة بهم يشارف على الانتهاء. ليس لأن التقنية فشلت، بل لأن الافتراض الذي قامت عليه — أن الالتزام مشكلة يتحملها المستخدم لا عيب في التصميم — كان خاطئًا منذ البداية. لم تكن الإجابة يومًا زرًا أفضل يُضغط عليه. بل كانت إزالة الحاجة إلى الضغط على أي شيء على الإطلاق.
