你知道洗碗機(jī)的運(yùn)轉(zhuǎn)時(shí)間嗎?很多人可能會(huì)說無聊。

　　我直到2013年才找到這個(gè)問題的答案，記得我當(dāng)時(shí)用筆記本電腦興奮地拿給妻子看，她迷惑不解，這種事也值得我興奮?

　　令人興奮的原因是，Ubi(智能聲控設(shè)備)可以成功記錄廚房里整天的聲音變化，我能夠得知洗碗機(jī)運(yùn)行時(shí)的聲音大小以及持續(xù)時(shí)間。我甚至可以知道它有三個(gè)工作周期，期間有幾分鐘停頓安靜時(shí)間。通過分析洗碗機(jī)聲音大小和讀取相關(guān)日志，我能夠推斷出洗碗機(jī)所處的工作周期。可是，我能用這些信息做什么卻是另一回事。

　　洗碗機(jī)的秘密生活

　　從那時(shí)起，我們家的設(shè)備和傳感器平均數(shù)量呈指數(shù)級(jí)增長。許多連網(wǎng)設(shè)備都配備了傳感器，當(dāng)這些傳感器結(jié)合在一起時(shí)，我們就可以深入了解自己和自己的生活方式。正是這種原因促使我們在UBI設(shè)備中增加了麥克風(fēng)、光線、濕度、氣壓和溫度傳感器，未來希望機(jī)器學(xué)習(xí)能夠跟上，提供更多的見解。

　　物聯(lián)網(wǎng)可以幫助我們更加了解自己及自己的生活方式，并采取行動(dòng)幫助我們實(shí)現(xiàn)生活目標(biāo);人工智能應(yīng)用于物聯(lián)網(wǎng)可以讓我們心情更好、節(jié)約電力并保持身體健康。

　　實(shí)現(xiàn)上述目標(biāo)需要三方面支撐：

　　微型傳感器的成本降低和大規(guī)模應(yīng)用

　　數(shù)據(jù)收集和數(shù)據(jù)存儲(chǔ)成本的降低

　　AI、機(jī)器學(xué)習(xí)API平臺(tái)的商品化和易用性

　　2011年，我被Kickstarter眾籌網(wǎng)站上的Twine智能裝置迷住。該產(chǎn)品內(nèi)置有溫度、濕度、加速傳感器，并可以通過無線網(wǎng)絡(luò)報(bào)告數(shù)據(jù)。購買它的原因來自我回家時(shí)發(fā)現(xiàn)廚房有積水，原來是冰箱壞了，要是我及早收到冰箱溫度正在下降的警告就好了!Twine智能裝置可以通過創(chuàng)建簡單規(guī)則，并在超過特定閾值時(shí)發(fā)送電子郵件或SMS消息。

　　當(dāng)年Twine智能裝置價(jià)格昂貴，現(xiàn)在類似設(shè)備價(jià)格已經(jīng)大幅下降，GPS、WiFi、藍(lán)牙、加速傳感器、紅外傳感器、麥克風(fēng)、磁場探測器、力傳感器和氣壓計(jì)可以與多個(gè)傳感器集成在一塊芯片上，并已經(jīng)在數(shù)十億部智能手機(jī)上配備，而且通過他們實(shí)現(xiàn)應(yīng)用程序也很容易。

　　在為Ubi收集傳感器數(shù)據(jù)時(shí)，我們必須構(gòu)造能夠處理HTTP長輪詢、傳感器數(shù)據(jù)信息流傳輸、數(shù)據(jù)累積、根據(jù)規(guī)則處理、存儲(chǔ)和調(diào)用數(shù)據(jù)以進(jìn)行分析的基礎(chǔ)架構(gòu)。

　　在縮小圖形時(shí)，調(diào)用太多數(shù)據(jù)點(diǎn)可能會(huì)出現(xiàn)問題，由于此問題，我們在早期曾多次造成服務(wù)器崩潰。

　　我們還需要了解，每10秒鐘采樣5次數(shù)據(jù)可能會(huì)導(dǎo)致大量數(shù)據(jù)涌入我們服務(wù)器。如今，AWS、Google App Engine和其他公司擁有物聯(lián)網(wǎng)平臺(tái)，與五年前相比，這種平臺(tái)非常容易設(shè)置數(shù)據(jù)收集規(guī)則。

　　新的要求在于使用這些數(shù)據(jù)來預(yù)測我們下一步要做什么或試圖影響我們下一步的工作，要做到這一點(diǎn)，我們需要逐步提高信息層次。Haeckel提出了這樣一種等級(jí):

　　原始數(shù)據(jù)

　　信息

　　情報(bào)

　　知識(shí)

　　智慧

　　在洗碗機(jī)的例子中，原始數(shù)據(jù)是聲音分貝水平和時(shí)間;信息是知道在哪里收集數(shù)據(jù);情報(bào)是指有一臺(tái)洗碗機(jī)已經(jīng)打開，位于同一個(gè)房間里，并且能夠了解運(yùn)作周期;知識(shí)是能夠確定周期的總長度和靜音的時(shí)刻;然后智慧在于知道洗碗機(jī)現(xiàn)在會(huì)運(yùn)行這么多時(shí)間，并產(chǎn)生這么多的噪音，所以也許我不應(yīng)該在半夜打開它。

　　今天收集這類信息需要用戶進(jìn)行大量的學(xué)習(xí)和輸入來升級(jí)系統(tǒng)。這是可以應(yīng)用人工智能的地方，但需要為每個(gè)特定場景構(gòu)建AI，這是一項(xiàng)艱苦的工作。資源有限的公司需要關(guān)注真正的機(jī)會(huì)在哪里:

　　在相關(guān)情況下向用戶提供見解

　　結(jié)合數(shù)據(jù)以創(chuàng)造新見解

　　預(yù)測什么事情會(huì)改變情緒和情感

　　新的規(guī)則是，能夠影響用戶情緒和情感的公司將獲勝。

　　尋找模式

　　雖然捕獲和記錄原始數(shù)據(jù)已成為物聯(lián)網(wǎng)設(shè)備的必備功能，而且能夠標(biāo)記位置是開始提取可用信息的另一個(gè)優(yōu)勢，但公司可以通過一些更簡單的方式將這些信息轉(zhuǎn)化為情報(bào)。也就是說，它們是通過抽象、平均和比較來實(shí)現(xiàn)的。

　　抽象可以意味著我們對(duì)信息進(jìn)行某種解釋以識(shí)別事件，或者我們整合或區(qū)分以收集總和或速率。對(duì)于Ubi來說，它可能是光照變化、每天有多少次對(duì)設(shè)備說話或設(shè)備對(duì)用戶說話(“交互作用”)、溫度變化量、達(dá)到閾值等等。

　　平均也是一種抽象，但可以用于個(gè)人用戶/設(shè)備或更大的用戶或設(shè)備集合。最后，將特定用戶或設(shè)備的數(shù)據(jù)與平均值進(jìn)行比較可以提供很多可操作的參考見解，所有這些都可以在沒有任何機(jī)器學(xué)習(xí)或AI系統(tǒng)的情況下完成。

　　但是，能夠讓系統(tǒng)接受訓(xùn)練來識(shí)別并標(biāo)記事件是更強(qiáng)大的。Nest在視覺處理方面做了一個(gè)有趣的工作，它們基本上是通過允許用戶在視頻反饋上畫出一個(gè)區(qū)域并將其命名為事件來實(shí)現(xiàn)機(jī)器視覺的。

　　對(duì)于物聯(lián)網(wǎng)設(shè)備公司來說，如果擁有用戶標(biāo)簽或識(shí)別事件會(huì)給用戶帶來直接好處，那么為什么不應(yīng)該使用它來訓(xùn)練系統(tǒng)自動(dòng)識(shí)別事件?聲音檢測、是否在家、暖氣或空調(diào)故障都是可以讓用戶訓(xùn)練系統(tǒng)的有用事件。然后，可以將該數(shù)據(jù)集應(yīng)用于TensorFlow等工具，并向用戶呈現(xiàn)另一輪驗(yàn)證或校正。

　　智能家居識(shí)別中特別有用的情報(bào)包括:

　　在家/不在家

　　到達(dá)/離開時(shí)間

　　有多少人在家

　　睡眠/清醒時(shí)間

　　吃飯時(shí)間

　　設(shè)備使用

　　其他家庭活動(dòng)(例如看電視，打掃衛(wèi)生，做飯等)

　　把它們放在一起

　　更進(jìn)一步，我們可以開始把上面的信息組合起來，創(chuàng)造“知識(shí)”，最終創(chuàng)造“智慧”。這是可以應(yīng)用機(jī)器學(xué)習(xí)來幫助提取預(yù)測信息的地方，Target提供了一個(gè)很好的例子，他們能夠根據(jù)事件預(yù)測女性的懷孕情況。

　　例如，你可以開始預(yù)測一個(gè)家庭通常在下午6點(diǎn)45吃晚餐，這些信息可以用來在下午5點(diǎn)30分觸發(fā)一個(gè)吃飯?zhí)崾荆到y(tǒng)也可以開始測試輸入并評(píng)估效果是否對(duì)用戶產(chǎn)生積極的影響。

　　在用餐想法場景中，如果用戶采用這個(gè)想法，則可以將其視為正面影響。也可以收集一些其他的情報(bào)作為評(píng)估幸福指數(shù)(語音分析、早睡時(shí)間、晚睡覺減少等)也與系統(tǒng)的輸入相關(guān)。

　　也許訓(xùn)練系統(tǒng)更好地操縱我們是一個(gè)可怕的命題。但是，如果我們的目標(biāo)是要提高自己，例如，在系統(tǒng)約束范圍內(nèi)提供一些自主性，比如家庭照明和溫度，我們可能會(huì)取得巨大成功。