开篇
关于控制
体验智能
方案分析
智能独立生活空间
智能管家的学习能力
可能有一些问题
开篇
之前写过一篇题为《智能家居想象》的文章，应该是2016年。当时还有一篇文章没有发表，那就是看完《失控》后，我梳理了一些智能家居与人工智能相结合的想法。一方面，我真的没有看到智能家居引起我兴趣的新变化。我觉得这只是一些对技术感兴趣的玩家的过时玩具。但我认为智能家居不能这样下去，它应该发挥它应有的作用。特别是在中国老龄化的总体趋势下，智能家居也可以作为家庭养老设施转型的重要组成部分，并承担照顾老年人的部分责任。它不应该停留在时尚年轻人的玩具中，我觉得它不是很有创意。
关于控制
我不知道你对智能家居有什么看法。在我看来，智能家居不会像通过手机或语音控制那么简单。我句子的核心词是控制。我所说的控制是指人们通过自己的身体部位操作来实现某物的具体表现。我认为这种操作只是人类在改变环境过程中的无助行为。如果我不能控制它，我就不想开始甚至说话。
每天晚上，天黑的时候，我真的喜欢用自己的开关来点亮房间的灯吗？这个开关控制动作真的会让我满意吗？当然不是。即使我说的操作动作被手机上的按钮取代，或者说一句话，也不会给我带来快乐，我认为这是可以避免的。因为我真正需要的是正确的光，而不是控制本身。
就像我们小时候晚上看书的时候，天黑了，我们的父母温柔地为我们打开了灯。有时我们可以意识到灯打开了，有时我们可能没有意识到光的变化，因为我们太专注了，但我们永远不会不高兴，因为灯不是我们自己打开的，对吧？我想说的是，我们真正需要的只是舒适。如果我们被照顾，那肯定会更好。
基于以上逻辑，我在当年的文章中也提到，我们想要的只是一个看不见的管家，为我们调整家庭环境中的一切。此外，这位管家也很体贴。在与我们多年的生活过程中，他非常了解我们的生活习惯。偶尔，如果调整不当，只要我们轻声说，它就会立即调整到位。
体验智能
，你刚和家人吃完晚饭，你就轻轻地走到书房，然后书房的灯随着你的步伐慢慢地升起。你的习惯是晚饭后看30分钟的书，所以当你走到桌子上时，桌子上的台灯会慢慢亮起。你拿起一本书，坐下来开始读。你可能还没有意识到今天是仲夏和8月。虽然已经是晚上8点了，但是天气还是很热。管家在你吃饭的时候已经打开了书房的空调，在你到达书房之前已经降到了你平时的温度。轻音乐打开，音量是你最舒服的，也是你通常喜欢的歌曲类型。
，你离开书房，灯慢慢熄灭，空调被留下，因为管家知道你要洗澡，你会回到书房玩游戏或看一个小时的视频。而且空调的温度已经提高了2度，这样你洗完澡回书房的时候体感温度就不会太低了，这个调整你之前每天都默许。这时，你正要去浴室，你的孩子正好叫你。当你在孩子的房间里呆了很长时间，和孩子交流时，你会去孩子的房间。管家知道你今天可能和习惯不一样，会先陪孩子一会儿，所以浴室的准备工作会暂停。灯关了，抽风机先停了。
，你已经准备好睡觉了，你走进了主卧室。你的伴侣已经在床上追了一段时间了。然后你会感到有点热，但你知道温度会下降一段时间。因为你的伴侣不喜欢温度太低，你喜欢感冒。管家知道这一点，并在只有伴侣的时候设置更高的温度，当你回到房间时，设置一个你们俩都认为合适的温度。
我不知道你对上面的一系列场景有什么感觉。对我来说，我认为这是我想要的智能家居。我不想到处找手机来调整房间的状态，或者说一系列的语音命令让设备达到我想要的状态。所谓的预设模式让我非常恼火。就像刚才的一系列场景一样，我估计有N个模式来适应。最烦人的是我必须记住这些模式的名称。
方案分析
在过去的几年里，我一直在参与智能家居的研发，但我真的没有参与太多的实际应用，但我认为我仍然对智能家居有一些理解和意见。所以我试着分析一下我的想法。我没有说做以下事情很容易，也不一定是对的，但我想写下来，看看是否有机会从这个角度进一步探索。也企望通过我的分析可以让大家看到，尽管并不会太容易，但其实也许并非如大家所想像那么地难。
看过我之前文章的同学也应该知道，19年前，我的毕业设计是智能家居，远程点亮了一盏灯。AlphaGo在打败人类这么多年的今天，我真的有点沮丧，在智能家居中看不到真正的智能。
回到方案，我觉得上一节提到的一系列场景中有两个核心设计思路:
- 每个生活空间(如房间)都应该作为一个独立的单位来调整内部的一切，但可以根据周围的环境进行相应的调整。
- 管家的行为不是预设的，而是不断学习你和家人的习惯。
智能独立生活空间
智能家居不需要一个全能的中央大脑，通过一套完整的逻辑代码来处理整个家庭的所有智能。我认为有一点编程基础的学生应该知道这是不可能的。我们大多数人都把这个程序设计成模块化。可分为多个模块，如室内空气系统作为模块，照明系统作为另一个模块。不同的房间也可以按空间划分为不同的模块。然后，中央程序只负责向每个模块提供协调信息，并将具体工作提块完成。在这种情况下，我们不需要将这些代码运行在同一台机器上，而是将它们分成不同的机器。
有两个好处：
- 对于中央设备的性能要求大大降低，将性能需求分摊到各个模块的硬件上，总体成本可能会降低。（目前价值几十块的开发板都能完成AI推理工作，即TinyML，因此，可以预见这种操作AI硬件环境成本会降低。)甚至中央设备也可能成为性能要求最低的设备。
- 整个家庭不会因为中央设备的崩溃而瘫痪，子模块的硬件将分别处理各自负责的领域。我们可以在没有压力的情况下重启有问题的模块甚至中央设备。（我认为这是最重要的）
我的想法是根据生活空间划分整个家庭，每个生活空间都由一个支持AI硬件(我给它起个名字，叫空间管家)负责，中央有个总管家负责协调。
例如，将一个房间分为以下10个生活空间：
- 客厅
- 餐厅
- 厨房
- 洗手间
- 主卧室
- 主卧洗手间
- 书房
- 孩子房
- 阳台
- 杂物间
我以“以场景为例，它涉及总管家、餐厅和书房。
连接了：
连接了：
- 大灯li
- 书桌灯
- 空调系统
- 书房智能音箱
- 窗帘
- 光线传感器（多个）
- 人体红外传感器（多个）
- 温度传感器（多个）
1. 🙋♀️餐厅检测到有人进入餐厅，并开始停留约有10分钟左右。
- 向🤴总管家发送信息，告知“主人可能正在晚餐”。
2. 🤴总管家
- 收到“主人可能正在晚餐”的信息
- 向所有空间发送信息，告知“主人正在进行晚餐”。
1. 🙋♂️书房根据主人的惯常习惯，就餐时间估计还有15分钟左右。
- 检测房间当前室内温度，发现是30度，所以打开空调并调到28度。
1. 🙋♀️餐厅检测到有人离开餐厅
- 向🤴总管家发送信息，告知“有人离开餐厅”
- 检测是否还有人在餐厅，
- 如果有人则继续保持当前状态，
- 如果没有人了，就将灯熄灭，并调整空气系统至无人时的惯常状态
2. 🤴总管家
- 收到“有人离开餐厅”的信息
- 向所有空间发送信息，告知“有人离开餐厅”
3. 🙋♂️书房
- 收到“有人离开餐厅”的信息，根据主人的习惯，认为主人要看书，这时需要将书房大灯点亮，但亮度为最低
- ⏳直到门口的传感器感应到有人进入
- 再根据当前房间的亮度，将灯动态调整使房间到达主人习惯的亮度 🌇西北地区，这时可能还有阳光，这种投射进房间的阳光也被考虑在内 💡当然这时过道上的灯光也会被考虑在内
- 同时发送“主人进入书房”的信息给🤴总管家
- ⏳等到主人走近书桌，书桌灯缓缓亮起到，同样动态将桌面调适到主人习惯的亮度
4. 🤴总管家
- 收到“主人进入书房”的信息
- 向所有空间发送信息，告知“主人进入书房”。
发现了吗？所有的空间都各行其事，但又通过“总管家的信息”及“各种传感器”去协作进行服务。这样的设计起来不会太复杂，且训练模型时所要考虑的参数也更少，应该会减少训练的时间成本。
智能管家的学习能力
1️⃣ “空间管家”收集用户习惯及环境数据，发送给“总管家”
2️⃣ “总管家”存储数据，并定期将数据发往云端进行训练
3️⃣ “总管家”从云端下载训练好的模型，存储下来，等“空间管家”来取
4️⃣ “空间管家”取新模型，并更新自己的模型，重启
循环以上步骤
- 一个新家里，我们将会有一个标准的简单的智能管家“团队”（“总管家”和“空间管家”），它们一开始就具备：
🧙♀️ 语音助手功能 👷♂️ 操作所有家里设备的能力 👨🔬 数据收集能力
- 具体的表现我的设想是根据用户要求二选一：
🔲 学习周期内不做任何行动，待学习期结束，使用学习期所训练的模型作为初始模型 🔲 通过众多用户的使用，管家们其实已经有普遍适合大部分人的服务行为，所以先使用这些基础模型作为初始模型
举例说，有几种情况：
1️⃣改变
当你坐在书房，感觉到有点热时，直接语音说：“我觉得热了。”书房的“空间管家”会将温度向下调整一点。这个操作会被记录下来，同时带上当时的各种参数，如：地理位置、日期、时间、室内温度、室内湿度、室外温度、室外湿度等。
2️⃣ 不变
当你坐在书房里，你看了30分钟的书，然后离开了。“空间管家”应该要记录你对于刚才的灯光没有作出调整，表示你默许了这种光线。这些数据也应该传到云端，以使模型能继续保持这种设置。
3️⃣ 没反应
当你和伴侣在主卧时，“空间管家”将空调主动向下调整了一度。但是，直到睡前，你和伴侣都没有说太冷。所以这种操作也被记录下来，以便模型随着时间的推移还是能适应主人的习惯变化。当然，也许关灯睡觉后，也许你的伴侣才意识到有点冷，向管家说太冷了，管家升高温度，同时记录睡眠时的这次温度调整操作。
** 需要注意的是，根据机器学习的机制，这种一两次的操作是不会马上很明显地影响未来的模型。但如果这种情况多了之后，模型就会体现出调整后的变化。
好啦，以上就是我对于整体方案的一种分析。它仅仅是我刚从我的头脑中提取出来而已，它一定有很多问题，有很多我的盲点导致的缺陷。但正如我所说的，我只是想以此作为探索的起点，也是想抛块大砖引来美玉。所以请大家如果有什么好的想法都可以写到评论区里，欢迎奇思妙！！
接下来条件允许的情况下，我会以简单的开发板和一些传感器尝试完成一个原型，看是否有可行性。当然，这会是个按年计算的尝试。
可能有的一些疑问
看到这里，关于上面的方案举例估计大家还有一些疑问点，我将我想到的写在这里，供大家参考讨论。如果你有什么疑问，也可以放到评论区，我会整理后放进这里。
没错，对于方案本身来说，用人脸识别肯定是最佳的，也不排除用这样的方案。但你将自己代入，在家里装N个摄像头，你感觉这是什么样的地方？同时，我们毕竟在家里肯定有些私密的行为，摄像头与隐私之间有一定的冲突。
这题其实是设问句啦。我想说，因为用的是分布在各个空间的小硬件，其实就是边缘计算的概念。这时所有推理都在终端进行，也就是说，除了协助优化模型并协助训练的数据外，不需要将所有数据传到外部，特别是推理时用的数据更是不用外传，数据只在本地使用然后销毁就可以了。比如说上题说到的摄像头，这时可以只提供摄像头数据到空间管家的硬件上马上使用，不需要向外网传递，隐私问题可以算是在技术上解决掉了，剩下的问题就是人们信不信真的没有外传，同时还有当人看着N个摄像头在自己家里时作何感想😏。
封面：Photo by R ARCHITECTURE on Unsplash