进步的AI技术，糟糕的“伪”智能

在我国人工智能领域，吴文俊奖被誉为中国智能科学技术最高奖。

很多小白可能不太清楚吴文俊和这个奖是什么关系。吴文俊是我国近现代著名数学家和中国人工智能研究的开拓先驱，他在拓扑学、代数几何、博弈论、数学史、数学机械化等领域都有着里程碑式的研究突破，得以让中国在这些领域的学术研究保持国际领先。早在 1956 年，吴文俊就因在拓扑学方面的突破成就被授予首届国家自然科学奖一等奖，而同批获此殊荣的只有我国著名数学家华罗庚和“两弹一星”元勋钱学森。

图 | 吴文俊（来源：网络）

直至今日，吴文俊的数学机械化思想和方法都被广泛应用在计算机图形学、计算机视觉、机器人、数控技术、模式识别等诸多科学与工程研究领域，在国际学术界影响深远。也因此吴文俊奖在国内人工智能领域的份量可谓沉甸甸，每年的评选结果也能很好展现出 AI 科技的年度风向。

从今年获得吴文俊人工智能科技进步奖的各类企业技术创新工程项目中我们发现，除了物联网、机器人、计算机视觉、生物识别、语音技术等技术服务属性的公司之外，也有家电企业首次入选，这不仅表明 AI 在产业商业层面的应用已十分广泛，距离大众的生活似乎也越来越近了。

进步的 AI 技术，糟糕的“伪”智能

近年来，我们周遭的产品和服务变得越来越智能，除了算力和大数据的指数级攀升，很大程度上受益于深度学习的长足进步。

以计算机视觉&卷积网络、生成模型、序列模型、增强学习等为代表的不同研究路径，都让计算机程序的智商越来越高，且分析识别的精准度也越来越强，进而推进了 AI 技术像互联网、移动互联网一样，快速成为了智能时代的基础设施。

图 | 深度学习模型近年来的重要进展（来源：2019 人工智能发展报告）

在计算机视觉领域，人脸识别、物体识别与语义分割分类等方面的性能目前已接近甚至超过人类的视觉系统，研究人员们已开始挑战更高难度的计算机视觉问题，例如图像描述、事件推理、场景理解等。

在自然语言处理方面，预训练语言模型在自然语言处理领域进展颇大。计算机能够在大规模无监督的语料上进行长时间的无监督或自监督的预先训练，进而获得通用的语言建模和表示能力。

深度学习技术也极大地促进了语音识别技术的迭代，在语音建模、提取、优化特征参数方面取得了突破性的进展，语音识别精度大大提高，且拥有很好的自适应性，进而得以实用化普及。将语音信号转变为文本字符或者命令，利用计算机理解讲话人的语义内容，使其听懂人类的语音，从而判断说话人的意图，人机交互方式更加多元。

此外， AI 技术与相关的知识工程（专家系统、知识图谱等）、计算机图形学、大数据挖掘、机器人学等交叉学科的融汇贯通，很多应用其实已经在默默改变着产业运作模式和我们的生活方式，在金融、教育、安防、娱乐、医疗、自动驾驶、电商、物流、智能家居等领域广泛渗透。

人工智能的概念虽然很火，技术也达到了可用性，但在实际落地过程中仍面临不少问题。

AI 近年来在相关行业领域和有其代表性的应用场景中应用确实比较领先，也带来了商业效率的大幅提升，但对于 C 端消费者而言，似乎并没有留下太多好印象。尤其以智能家居、智能家电等行业为例，很多对于 AI 技术的粗浅应用，更是成了“伪智能”产品的重灾区。

不少厂商都是什么技术概念火就跟风炒作集成什么技术，缺乏对用户价值的深入研究和判断。语音交互火了，就把什么产品都加上语音交互，结果造出了很多鸡肋且不实用的产品功能；AIoT 概念比较热，就盲目炒作全屋互联、联动操控的卖点，对于用户而言却往往华而不实，缺乏体验感甚至操作有些麻烦；很多厂家都表示我们产品背后有大数据分析，产品会越来越“聪明”，而实际用上了，用户会发现越用越“智障”。

这也是智能家居市场炒作了那么久，却依旧落地缓慢、消费者接受度低的根源之一。

AI 技术要在刚需场景中解决用户刚需痛点

AI 技术的进步对于智能家居的发展来说其实是一种契机，加上当下 IoT 、 5G 、消费升级的发展趋势，把新兴技术真正用在对的地方，从刚需场景入手，切实分析并解决用户的痛点，才能激发智能家居市场更深层的市场潜能。

据 IDC 对中国智能家居终端的市场分析，预计 2019 年中国智能家电市场总出货量约为 7927 万台，这比 2017 年同比增长了近 64% ，市场增幅十分可观。同时，家电也是智能家居生态中最重要且占比最大的板块，不仅是美的、海尔、格力等家电巨头的争霸领域，也是小米、云米、纯米、小熊等更多互联网科技公司和家电新锐企业跨界抢食的对象。

图 | 智能家居出货量（来源：IDC ）

家电产品是每个家庭中的标配，面对的几乎都是刚需场景，通过不同套系的 AI 科技家电组合搭配，融合人性化交互、深度学习与专家系统的 AI 家电有望塑造出全新的日常生活体验。对于 AI 技术的深度运用正在成为家电行业的一个全新角逐点，谁的产品更智能也就更有机会成为智能家电时代的领头羊。

以美的为例，前不久，美的集团旗下的 COLMO 洗衣机在评比中拿下吴文俊人工智能科技进步奖，成为我国首次获得该人工智能奖项的白色家电品牌，这或许是 AI 技术和家电做深入融合的一个典型案例。

图 | COLMO 洗衣机获吴文俊人工智能科技进步奖

那么， COLMO 洗衣机做了哪些 AI 技术方面的创新和进步呢？据 DeepTech 了解，大概是三方面的 AI 技术创新，解决了三大用户痛点：

全自动洗衣机在现在日常生活中已经很普及，各种洗涤模式选项似乎配齐了我们对不同衣物的洗涤需求，但当我们真正要去洗衣服的时候，问题来了：这一堆衣物是否可以混合在一起清洗？这衣服是什么材质以及应该选择哪种洗涤模式？洗这些衣物应该匹配怎样的水量和洗涤剂量？

我们通常的做法是，把衣服一股脑地塞进洗衣机桶里，选一个自动化标准模式，洗成什么样算什么样，费水费电不说，衣物也得不到最佳的清洗效果。

智能洗衣机洗涤模式总是密密麻麻，但我们没有耐心和时间研究这些衣物到底该怎么去匹配。市面上很多所谓的“智能”洗衣机，大多不过是在物联网、语音&手势操控或根据不同模式自主决定加水量、洗涤剂用量等非痛点功能上做文章，对于洗衣服这件事并没有起到多大提升效果。

图 | 智能洗衣机系统

COLMO 洗衣机针对这些用户痛点研发了基于多神经网络模型集成和难例挖掘的柔性物体类型识别技术、基于图像语义分割的多模块融合的衣物量和颜色识别技术，以及基于大数据的动态参数自适应匹配衣物洗护系统等。

能实现什么效果？无需在衣物中添加额外的标签，也不需要分开逐件投入，洗衣机就可以精确地将桶内的衣物和背景分离，实现柔性物体类别的有效识别。COLMO 洗衣机在 1 秒之内即可识别得出衣物重量、数量、类型、材质等信息，在衣物混合洗的情况下，目前视觉识别技术准确率已经达到 85% 以上。

云端系统利用深度神经网络算法对图像进行分析，可得出洗衣机内部衣物量的多少及当前桶内衣物是否需要护色，最终分析结果返回给洗衣机做出智能匹配决策，对于每次都不相同的洗衣场景， COLMO 洗衣机可基于已积累的用户体验数据和实验室专业数据自适应调整洗涤参数，辅以洗衣机的水流和洗涤节拍控制技术，实现精细化洗涤。

图 | COLMO 洗衣机与同价位洗衣机能耗参数对比

经第三方测试对比，充分利用 AI 技术的智能洗衣机能在用电、用水、耗时等方面实现较大程度的改进，同时也可以普惠消费者和实现节能环保的社会价值。

科技人居还需从产品的“真”智能开始

近年来，随着智能家居、智慧生活概念的火热，很多厂家都开始把产品互联、语音操控等技术跟家电产品进行简单结合，进而炒作是“智能”家电，这其实给消费者造成很多认知偏差。

因为这类产品并没有从实际体验层出发，为用户生活带来切实有效的智能改变，而真正的智能家电，或许还是应该从产品本身最核心的实用功能层面出发，基于 AI 、 IoT 、大数据等最新的技术，在最能改善用户使用体验的环节进行精细化的研究和系统性提升。

比如智能洗衣机的基本属性就是要洗好每一桶衣物，增设一些手势操控、语音交互并不是其核心诉求；用户需要的不是更多的模式，而是不需要了解什么模式，产品会自动去精准匹配模式；对于智能产品，用户回到家需要的不是学习如何操控，而是需要省心省力，最好还省钱且有生活品味的产品。

只有每个产品真正做到智能化之后，整个家庭物联网和智能家居体验才可能更进一步。

未来的家电必定不再是冷冰冰放在角落里的产品，而是有着自己的“大脑”，会主动思考用户需求，且能够在每天的生活中感知分析用户习惯、需求和喜好的智慧伙伴。这样的智能目标一直以来是整个行业和消费者理想性的期望，而随着智能家电由“伪”变“真”，这种值得期待的科技人居生活正在一步步走进现实。