AI将会成为智慧家庭最核心的要素

2018年5月9-10日，15届论道在西安隆重举行。50多场演讲，干货满满;30多个展台，亮点多多;多场高峰对话，火花四溅。深圳市海思半导体有限公司高级产品经理姚世勇进行了主题为《智慧家庭中的AI》的演讲。

两三年前,智慧家庭还停留在概念阶段，现在情况完全不同，已经变成了进行时，从全球范围来看，欧洲的法电、德电、意电，美国的comcast、Verison，到东南亚的韩国、日本，都相继推出智慧家庭的战略。国内情况大家比较熟悉，运营商均成立了智慧家庭联盟，全球范围内，60%的领先运营商正在开展智慧家庭业务。

AI将会成为智慧家庭最核心的要素

对于智慧家庭，不同的人有不同的理解，家庭是一个非常特殊的场景，家庭里面应该做到高速网络无处不在，智能服务无处不在。家庭里可享受以下三种服务：

一是安全的家，希望通过安防业务，构建安全的应用场景;二是舒适的家，这也是大家梦寐以求的，也是核心的应用场景;三是健康的家，图中都是目前正在开展的业务，当然不限于这些业务。针对这些业务，最重要的就是实现智慧服务，不管是大趋势、还是大战略，都频繁被提到，我们看到的情况也是如此，AI将会成为智慧家庭最核心的要素。

大家一起回顾一下AI发展的情况，在50年代初，AI概念被提出来，马上就有相应成果，开始是国际跳棋，但算法太简单，从此以后AI沉寂了近40年。直到1996年，IBM的“深蓝”与人类对弈，机器第一次战胜了国际象棋大师，引起轰动，但仍摆脱不了机器暴力计算的问题。2017年，谷歌的“阿尔法狗”战胜国际象棋大师，AI重回聚光灯下。总觉得AI跟棋有不解之缘。工业自动化很早就实现了，但是大家觉得用机器做工作，只是比人快一点、更准确些。为什么棋类引起这么大轰动?因为棋类是人类引以为豪的智慧活动。

特别是“阿尔法狗”战胜人类，其模式已经走向深度智能化，选择性运算产生的效果已经非常的震撼，前景已经超出大家想象，有人充满希望，有人充满恐慌。今天，我们看到智能领域发生了很大变化，取得了很大成功。

一头狼具有识别猎物的能力，甚至有简单的协同，但我们现在智能显然差距很大，有很多人开玩笑，说现在人工智能比不过一条狗，可能就是这个原因，人工智能绝大部分聚焦于专家系统，在某一个特定领域产生非常大的作用，还不能用于广泛的人工智能。

这个视频是憨豆去年拍的片，用的是一辆车劳斯莱斯，可以做远场语音控制，憨豆跟别人聊天的时候，提到车名，车就自动启动了，还没有注意到车，车也自动跟随在身后，随人走走停停，无意中转身，发现车很蹊跷的挪了个地方。这说明一个问题，最高端的语音识别系统也无法区别语境，只能机械接受语音命令，可能会造成笑话。

AI技术两大科技革命，驱动用户体验升级

以后产品会沿着两大方向演进，一个是交互革命，一个是AI革命。早期的操控，人机界面局限于遥控器、手柄，现在智能语音技术出现了，后续很可能出现智能视频技术，再到后面可能会出现VR、AR技术实现人机交互，这种控制会完全突破大家一直诟病的操作笨、不方便问题。另外一个是人工智能，从最早的用户侧感知，不断的进行演进，深度学习到对客户行为的认知，到最后实现能媲美人类的人工智能。

AI语音技术，是目前成熟度最高的领域之一，人工智能按应用可归结为两大类，一类是语音识别，一类是图片分类。语音识别的成熟度最高，这个生态里面大部分的网络巨头在资源整合上有很大潜力。专业语音公司像科大讯飞等，包括BAT厂家也做语音识别，内容厂商的视频内容聚集，各种音箱硬件厂商都会参与进来，最后由运营商或设备厂家做业务运营。从技术方面看，这么多技术模块才构建了一个语音识别功能，从最上层的语音分析到中间的拾音、语音增强等，最下面是用户，通过技术模块叠加互动，最终实现智能音箱，或者带STB特性的智能盒子。

作为芯片厂家，我们的着力点在端侧，我们希望把云端的语音技术不断端侧化，语音能力在端侧建立，最终实现一个效果：在家庭环境里面自然交互。大家有没有想过买了一个智能音箱，用起来不像宣传中那么顺手、便利，语音识别率没有那么高，可能就是这个原因。换言之，它是在特定环境里才可以高识别，真正客厅里面人比较多的时候，有噪音的时候，是否操作起来轻松自如，这是一个疑问。

随着当前语音技术发展，家庭里面要达到真正的自然语音交互，应该做到分布式语音层面，不能说买一个盒子放在客厅，要做一次语音交互，一定得跑到客厅去，家里还有那么多房间，甚至很多人习惯待在房间怎么办?比如出门前查一个天气，想问一下交通是否拥堵，怎么办? 分布式语音解决方案解决这个问题，借助于G.hn+WIFI分布式网络解决方案，能够让整个家庭做到网络完全覆盖。顺着高速网络，语音也可以延伸到家庭的每一个角落，拾取主人声音，给主人一个反馈。

AI视频技术，借助于AI，可以用摄像头捕捉家庭情况，或者同步进行3D建模，最后把人像从环境中提取出来，叠加到视频或者增值内容上面去，比如在家里打太极、学国标舞，可以把整个形象动作同步到原教学视频里面做比对，可以更精准、高效的学习。借助于图象技术可以衍生出很多应用，我们怎样把流量变成大家喜闻乐见的增值业务，这是一个非常大的难题。比如游戏，我们可以通过摄像头捕捉人物轮廓，作为游戏操控的媒介，来控制游戏里面的角色。第二种是现在玩的比较火的抖音，有舞蹈指导动作，很多感兴趣的年轻人可以实现他录抖音的爱好。第三种是智能试衣镜，通过现在的3D摄像头，可以获取人的三维信息，现在已有技术误差达到厘米级，非常接近真实人体，获取的模型跟衣服矢量图像结合，这样在网上将会有一个全新购衣体验，这个衣服可以不买，可以试穿，拍一个照片做一个留念也可以。大家会发现在这几种应用场景里面，这都是大屏独有的应用，是手机、电脑做不到的。

视频AI技术，也是目前在好莱坞大的影视制作公司广泛采用的技术，在面对低分辨率的图象时，通过智能技术提升整个画质。现在家庭影视娱乐设备，包括机顶盒、电视，视频依然是消费主线，是最基本的元素，脱离这个元素可能会造成用户大量的流失，我们想在这个方面做技术的加强。现在海量的标清节目、高清节目，可不可以通过AI技术直接提升到4K，同时图像质量有明显的提升?这是有可能的。通过AI技术分析视频对象，结合我们的数据库和模型，做到真正的“无中生有”，不断的提升原始图象的分辨率。

大家可以看一下示例，提升前和提升后的对比，虽然提升后还不是最真实原形，但是相对真实走近了一大步。还有一种AI视频技术做到人脸、物体的识别，人脸识别基本成熟，甚至有一些地方考虑用人脸支付，能做到这种程度，也是相当精确的技术。

我们跟大家一起探讨主动安全，今天新媒体的人讲到他们的责任、使命，我们作为芯片厂家，可探索利用终端侧的技术去保证安全，我们通过人脸识别技术，能够识别一些关键的信息，比如敏感的人脸或者文字，一旦识别，可以在终端直接打上马赛克，我们用这个技术，可以将一些人为造成的非法行为拦截住，这是通过技术手段解决的，以前只能在前端，现在有后端技术处理这个事。

增值业务的投放点、投放方式，是整个行业摸索的，作为运营商，运营着这么大的用户群，可以投放广告，如果有AI技术加持，可以跟广告商谈投什么广告，我们把产品的模型记录下来，在所有播放的视频画面中进行识别，一旦出现设定的产品，就会自动识别，运营商可通过用户可接受的方式，把广告内容打出来，产生一个增值点。

还有千人千面，大家也比较清楚了，人脸识别技术能比较准确识别家庭成员，根据家庭成员推荐内容EPG。不一定做到按人管理，可以按分类，比如大人、小孩、老人这样更自然。这里几个场景采用的技术基本上比较相似，通过信号采集预处理，根据数据库里面模型进行匹配，最终识别。

AI技术的两大挑战：端侧智能和实用程度

人工智能并不是像我们想象的那么简单，这可能也是大家提的比较多，但是用的比较少的原因，我们人工智能当前面临两大挑战：云端化和实用性问题。单一的云端化造成了很多问题，一是太多的人工智能技术依赖于云端，大量的运算堆积在云端造成很大算力负担，给运营商投资带来很大影响。二是语音、视频通过网络，实时传到网上云端，总感觉自己生活内容被直播，体验非常差，不管你说怎么保证内容安全，但是心里感受还是差。三是把自家视频传上云端，最后在云端处理完，结果返回来，周期长延时大，不是很自然。

现在端侧提供智能能力是重点，行业也正在努力，今天是谷歌I/O大会的第一天。他们正式推出AI框架，在Android系统里面已经集成了，facebook也推出了端侧架构，包括苹果也会提出端侧人工智能方案。后续端侧智能方案会是一个大方向。

另外一个实用性问题，人工智能现在发展到什么阶段，大家印象比较深的还是智能音箱，这个产品大家用了以后，口碑不算很好，国外卖的比较多，也可能跟生活习惯有关，国内这个产品并没预期中那么普及，接受度并不是那么高，为什么?我们语音识别不是很方便，不能说在家庭环境里面，需要事先让大家不要说话，再开始语音交互，这样很诡异。还有识别率怎么样，实验室可以98%，甚至有人说语音识别率是百分之百，一旦放在自然环境里面识别率可能是40%、50%，这是不可接受的。另外是要考虑成本与功耗，人工智能跟生物质能相比，能耗比差很多，这个功耗是否大家可以接受，人工智能集成进芯片，发现芯片成本会显著上升，这个成本是否可以接受。

总结一下，我们认为，现在的人工智能大致处于好玩阶段，后面还有两个阶段，一个是好用阶段，一个是好管家，终极目标是好管家，希望在家庭环境里面，人工智能像大管家一样，时刻关注家庭成员的各种状态和需求，积极主动提供周到细致的服务。