吳文俊的數學機械化思想和方法都被廣泛應用在計算機圖形學、計算機視覺、機器人、數控技術、模式識別等諸多科學與工程研究領域，在國際學術界影響深遠。也因此吳文俊獎在國內人工智能領域的份量可謂沉甸甸，每年的評選結果也能很好展現出 AI 科技的年度風向。從今年獲得吳文俊人工智能科技進步獎的各類企業技術創新工程項目中我們發現，除了物聯網、機器人、計算機視覺、生物識別、語音技術等技術服務屬性的公司之外，也有家電企業首次入選，這不僅表明 AI 在產業商業層面的應用已十分廣泛，距離大眾的生活似乎也越來越近了。

進步的 AI 技術，糟糕的“偽”智能

近年來，隨著智能家居、智慧生活概念的火熱，很多廠家都開始把產品互聯、語音操控等技術跟家電產品進行簡單結合，進而炒作是“智能”家電，這其實給消費者造成很多認知偏差。我們周遭的產品和服務變得越來越智能，除了算力和大數據的指數級攀升，很大程度上受益于深度學習的長足進步。以計算機視覺&卷積網絡、生成模型、序列模型、增強學習等為代表的不同研究路徑，都讓計算機程序的智商越來越高，且分析識別的精準度也越來越強，進而推進了 AI 技術像互聯網、移動互聯網一樣，快速成為了智能時代的基礎設施。

在計算機視覺領域，人臉識別、物體識別與語義分割分類等方面的性能目前已接近甚至超過人類的視覺系統，研究人員們已開始挑戰更高難度的計算機視覺問題，例如圖像描述、事件推理、場景理解等。在自然語言處理方面，預訓練語言模型在自然語言處理領域進展頗大。計算機能夠在大規模無監督的語料上進行長時間的無監督或自監督的預先訓練，進而獲得通用的語言建模和表示能力。

深度學習技術也極大地促進了語音識別技術的迭代，在語音建模、提取、優化特征參數方面取得了突破性的進展，語音識別精度大大提高，且擁有很好的自適應性，進而得以實用化普及。將語音信號轉變為文本字符或者命令，利用計算機理解講話人的語義內容，使其聽懂人類的語音，從而判斷說話人的意圖，人機交互方式更加多元。此外， AI 技術與相關的知識工程（專家系統、知識圖譜等）、計算機圖形學、大數據挖掘、機器人學等交叉學科的融匯貫通，很多應用其實已經在默默改變著產業運作模式和我們的生活方式，在金融、教育、安防、娛樂、醫療、自動駕駛、電商、物流、智能家居等領域廣泛滲透。人工智能的概念雖然很火，技術也達到了可用性，但在實際落地過程中仍面臨不少問題。

AI 近年來在相關行業領域和有其代表性的應用場景中應用確實比較領先，也帶來了商業效率的大幅提升，但對于 C 端消費者而言，似乎并沒有留下太多好印象。尤其以智能家居、智能家電等行業為例，很多對于 AI 技術的粗淺應用，更是成了“偽智能”產品的重災區。不少廠商都是什么技術概念火就跟風炒作集成什么技術，缺乏對用戶價值的深入研究和判斷。語音交互火了，就把什么產品都加上語音交互，結果造出了很多雞肋且不實用的產品功能;AIoT 概念比較熱，就盲目炒作全屋互聯、聯動操控的賣點，對于用戶而言卻往往華而不實，缺乏體驗感甚至操作有些麻煩;很多廠家都表示我們產品背后有大數據分析，產品會越來越“聰明”，而實際用上了，用戶會發現越用越“智障”。這也是智能家居市場炒作了那么久，卻依舊落地緩慢、消費者接受度低的根源之一。

AI 技術要在剛需場景中解決用戶剛需痛點

AI 技術的進步對于智能家居的發展來說其實是一種契機，加上當下 IoT 、 5G 、消費升級的發展趨勢，把新興技術真正用在對的地方，從剛需場景入手，切實分析并解決用戶的痛點，才能激發智能家居市場更深層的市場潛能。據 IDC 對中國智能家居終端的市場分析，預計 2019 年中國智能家電市場總出貨量約為 7927 萬臺，這比 2017 年同比增長了近 64% ，市場增幅十分可觀。同時，家電也是智能家居生態中最重要且占比最大的板塊，不僅是美的、海爾、格力等家電巨頭的爭霸領域，也是小米、云米、純米、小熊等更多互聯網科技公司和家電新銳企業跨界搶食的對象。

家電產品是每個家庭中的標配，面對的幾乎都是剛需場景，通過不同套系的 AI 科技家電組合搭配，融合人性化交互、深度學習與專家系統的 AI 家電有望塑造出全新的日常生活體驗。對于 AI 技術的深度運用正在成為家電行業的一個全新角逐點，誰的產品更智能也就更有機會成為智能家電時代的領頭羊。以美的為例，前不久，美的集團旗下的 COLMO 洗衣機在評比中拿下吳文俊人工智能科技進步獎，成為我國首次獲得該人工智能獎項的白色家電品牌，這或許是 AI 技術和家電做深入融合的一個典型案例。

那么， COLMO 洗衣機做了哪些 AI 技術方面的創新和進步呢？據 DeepTech 了解，大概是三方面的 AI 技術創新，解決了三大用戶痛點：全自動洗衣機在現在日常生活中已經很普及，各種洗滌模式選項似乎配齊了我們對不同衣物的洗滌需求，但當我們真正要去洗衣服的時候，問題來了：這一堆衣物是否可以混合在一起清洗？這衣服是什么材質以及應該選擇哪種洗滌模式？洗這些衣物應該匹配怎樣的水量和洗滌劑量？我們通常的做法是，把衣服一股腦地塞進洗衣機桶里，選一個自動化標準模式，洗成什么樣算什么樣，費水費電不說，衣物也得不到最佳的清洗效果。

智能洗衣機洗滌模式總是密密麻麻，但我們沒有耐心和時間研究這些衣物到底該怎么去匹配。市面上很多所謂的“智能”洗衣機，大多不過是在物聯網、語音&手勢操控或根據不同模式自主決定加水量、洗滌劑用量等非痛點功能上做文章，對于洗衣服這件事并沒有起到多大提升效果。COLMO 洗衣機針對這些用戶痛點研發了基于多神經網絡模型集成和難例挖掘的柔性物體類型識別技術、基于圖像語義分割的多模塊融合的衣物量和顏色識別技術，以及基于大數據的動態參數自適應匹配衣物洗護系統等。

能實現什么效果？無需在衣物中添加額外的標簽，也不需要分開逐件投入，洗衣機就可以精確地將桶內的衣物和背景分離，實現柔性物體類別的有效識別。 COLMO 洗衣機在 1 秒之內即可識別得出衣物重量、數量、類型、材質等信息，在衣物混合洗的情況下，目前視覺識別技術準確率已經達到 85% 以上。

云端系統利用深度神經網絡算法對圖像進行分析，可得出洗衣機內部衣物量的多少及當前桶內衣物是否需要護色，最終分析結果返回給洗衣機做出智能匹配決策，對于每次都不相同的洗衣場景， COLMO 洗衣機可基于已積累的用戶體驗數據和實驗室專業數據自適應調整洗滌參數，輔以洗衣機的水流和洗滌節拍控制技術，實現精細化洗滌。

科技人居還需從產品的“真”智能開始

智能家居這類產品并沒有從實際體驗層出發，為用戶生活帶來切實有效的智能改變，而真正的智能家電，或許還是應該從產品本身最核心的實用功能層面出發，基于 AI 、 IoT 、大數據等最新的技術，在最能改善用戶使用體驗的環節進行精細化的研究和系統性提升。比如智能洗衣機的基本屬性就是要洗好每一桶衣物，增設一些手勢操控、語音交互并不是其核心訴求;用戶需要的不是更多的模式，而是不需要了解什么模式，產品會自動去精準匹配模式;對于智能產品，用戶回到家需要的不是學習如何操控，而是需要省心省力，最好還省錢且有生活品味的產品。只有每個產品真正做到智能化之后，整個家庭物聯網和智能家居體驗才可能更進一步。

經第三方測試對比，充分利用 AI 技術的智能洗衣機能在用電、用水、耗時等方面實現較大程度的改進，同時也可以普惠消費者和實現節能環保的社會價值。未來的家電必定不再是冷冰冰放在角落里的產品，而是有著自己的“大腦”，會主動思考用戶需求，且能夠在每天的生活中感知分析用戶習慣、需求和喜好的智慧伙伴。這樣的智能目標一直以來是整個行業和消費者理想性的期望，而隨著智能家電由“偽”變“真”，這種值得期待的科技人居生活正在一步步走進現實。

責任編輯：ct