智能家居的新想法(2022)
目录
开篇
关于控制
体验智能
方案分析
独立生活空间智能
智能管家的学习能力
可能有的一些疑问
开篇
之前有写过一篇叫《智能家居畅想》，应该是2016年的事了。当时还有另一篇是没有发布的，那是我看完《失控》之后对于智能家居结合人工智能的一些对智能家居的设想梳理。今天重提智能家居，一方面是真的没有看到智能家居有引起我兴趣的新变化，感觉都还只是一些对科技感兴趣的玩家的“过时”的玩具而已。但是我觉得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大趋势下，智能家居可以也应该作为居家养老设施改造的一个重要部分，并且肩负着照顾老年人的部分重任，它根本不应该停留在只是新潮年轻人的玩具这种我感觉不太有创造力的状态之中。
关于控制
我不知道你对于智能家居是有什么想法。在我看来，智能家居一定不会是通过手机或语音去作出控制这么简单。我句话的核心词是“控制”。我所指的“控制”，是指人通过自己的身体部分去操作以达到某物的具体表现。我觉得这种操作只是人类在改变环境过程中的无奈之举，如果我可以不去控制，我根本不想去动手甚至动口。
每天晚上，天黑时，我真的很喜欢为了点亮房间灯而亲手去按灯的开关吗？这个开和关的控制动作真的会让我有满足感吗？肯定没有。就算我所说的这个操作动作换成手机上的一个按钮，或者是说一句话，这也并不会为我带来快感，我觉得这是可以免去的。因为我真正需要的是恰到好处的光线，而不是“控制”本身。
就像咱们小时候傍晚看书时，天色暗下来，父母温柔地为我们打开灯，我们有时能意识到灯开了，有时也许因为过于入神而没有意识到光线的变化，但我们绝对不会因为灯不是我们亲手开的而不高兴，对吧？我想说的是，我们所真正需要的只是舒适感，如果是被照顾着，那当然是更好了。
基于以上逻辑，我在当年的文章里也提到了，我们想要的只是一位无形的管家，为我们调整好我们家居环境中的一切。而且这个“管家”还要是善解人意的，通过与我们多年的“生活”过程中，非常了解我们的生活习惯。偶尔调整得不合适，我们也只要轻声一句，它就会马上调整到位。
总结来说，我们需要的是智能，而不是控制。
体验智能
来，咱们来想像一下
晚上8点，你刚和家人吃过晚餐，你轻步走向书房，这时书房的灯随着你的步入而缓缓灯起。你的习惯是在晚餐过后看30分钟的书，所以当你走向书桌，书桌的台灯慢慢亮起。你随手拿起一本书来，坐下开始读。而你可能都还没有意识到，今天是盛夏8月，尽管已经是晚上8点，但天气还是很热，管家在你享用晚餐的期间已经将书房的空调已经开了，并在你到达书房之前降到了你平时常设的温度。轻音乐开启，音量是你觉得最舒适的，而且还是你平时喜欢的歌曲类型。
晚上8点30分，你离开书房，灯缓缓熄灭，空调被留了下来，因为管家知道你正准备去洗澡，而你洗完澡之后会回书房玩游戏或看一个小时的视频。而空调的温度被调高了2度，为的是你洗澡后回到书房时你的体感温度不会太低，这个调整你在之前的每一天中默许了。这时，你正准备走向浴室，而你的孩子正好叫你。你就去到孩子的房间，这时浴室预先开了的灯会先被调暗，当你在孩子的房间停留时间比较长，且跟孩子有一直在沟通时。管家知道你今天可能跟习惯不一样，会先陪孩子一会，所以浴室的准备工作将中止。灯被关掉，抽风机也先停了下来。
晚上11点，你准备睡觉了，你走进主卧室。你的伴侣已经在床上追了一会剧了。这时你会感觉到点热，但你知道过一会温度就会降下来。因为你的伴侣不喜欢太低的温度，而你喜欢冷一点。管家了解这一点，并在只有伴侣在时设置较高温度，而你回到房间时，则设置一个你们俩都觉得合适的温度。
不知道你对于上面的一系列场景是什么感觉，对于我来说，我觉得这才是我想要的智能家居。我可不想为了调整房间状态而到处找手机，或者还说一大串语音命令让设备到达我想要的状态。那种所谓的预设“模式”更是让我烦得很，像刚才那一系列场景，我估计要设置N个模式来适应，最烦的是我还要记住这些模式的名字。
方案分析
过去的好几年，我都有在参与智能家居的研发工作，但是实际应用上我确实没有参与太多，不过我认为我对于智能家居还是有一些认识和不能不说的见解。所以以下我试着对于我思考的方案作出分析。我并没有说做到以下这些很容易，也并不是说这样做就一定是对的，但我想写出来，看是否有机会以此为起点作出进一步的探索。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应该也知道，19年前我的毕业设计就是智能家居，当时就是远程点亮了一盏灯。时至今日，AlphaGo已经打败人类这么多年的今天，在“智能家居”中还见不到真正的“智能”，我真的感到有点沮丧的。
回到方案上，咱们上一节提到的一系列场景中，最核心的设计思路我认为有两个点：
- 每个生活空间（比如房间）应该作为独立单位自行调适内部的一切，但又能根据周边环境作出相应的调整。
- 这位“管家”的行为不是预设的，它是不断在学习着你和家人的习惯。
独立生活空间智能
智能家居并不需要一个全能的中央大脑并通过一套完整的逻辑代码去处理整个家的所有智能，这种做法我想有一点编程基础的同学都应该知道是不可能的。我们大多会将这套程序设计成模块化。可能是以功能来划分成多个模块，比如将室内的空气系统作为一个模块，而照明系统又作为另一个模块。也可以按空间分割，将不同的房间作为不同的模块。然后中央程序只负责给予协调性信息给各个模块，具体的工作交给具体模块去完成。既然是这样，我们就没有必要让这些代码都运行在同一台机器上，而是分成不同的机器。
这样的好处有两点：
- 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推理的工作，也就是TinyML，所以可以预见这种运行AI的硬件环境成本将会降低。）甚至中央设备也许可以变成是性能要求最低的那一台。
- 不会因为中央设备崩溃而导致整个家瘫痪，子模块的硬件会分别处理各自负责的领域。我们可以无压力地重启出问题的模块甚至中央设备。（我看来这一点才是最重要的）
我的设想是，将整个家按生活空间来划分，每一个生活空间由一个支持AI的硬件（我给个名字给它吧，叫做“空间管家”）负责，而在中央有一个“总管家”负责协调。
举例吧，将一个房间分成以下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“晚上8点”的场景为例，它涉及到总管家、餐厅和书房。
总管家
♀️餐厅“空间管家”连接了：
- 餐厅大灯
- 空调系统（风扇或空调）
- 光线传感器（多个）
- 人体红外传感器（多个）
- 温度传感器（多个）
♂️书房“空间管家”连接了：
- 房间大灯
- 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）
时间来到7点钟
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”。
7点半后（约为7点45分）
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。
8点左右
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
学习步骤：
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
刚安装时怎么办？
- 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具体是怎么收集数据？
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。
1. Q：为什么不用人脸识别，那些人体红外传感器不能分辨出是谁进入了哪个区域，也不知道人数。
A：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。
2. Q：关于隐私，这个方案有什么好处？
A：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