计算无处不在的时代已来临

杨净 萧箫 发自 凹非寺

非常AI 报道 | 公众号 QbitAI

还记得《少数派报告》里，阿汤哥踏进智能服装店的场景吗？

一个眼神，虚拟客服就能查出阿汤哥过去的购买记录资料，在他面前投影出推荐产品。

△电影《少数派报告》

这种感觉好似计算无处不在，又有种不知不觉的透明感。

实际上，类似的场景已经进入到我们的生活方方面面。

一个Wi-Fi，就能实时监测人的呼吸、睡眠、身体状况，还能检测老人有没有摔倒。

△收集老人睡眠时的状态信息

家具不需要手动操控，空调、风扇就能自动感知房间人数情况，实时调控风速和强度。

大到用基站的无线信号来预测城市的人群流动，用出租车的GPS来检测有无绕路；

小到用日常通勤的交通IC卡，无接触就能自动扣款乘车。

……

它们无处不在、形状各异，但背后都有同一种技术——普适计算。

而落到感知层上的研究方向，叫做泛在感知。（泛在指利用广泛使用的设备，比如手机、手表、WiFi路由器等）

非常AI采访到了在该领域深耕已有二十余年的北大博雅讲席教授、欧洲科学院院士张大庆，对这一领域有了更深入的了解。

「计算无处不在」时代已来临

如前所言，普适计算有两种特性——

无处不在与不知不觉，即普适性和透明性。

从用户的角度来看，普适计算就是能够随时随地获得自己希望的服务，而不去考虑这服务是从哪里来的，甚至压根儿也感觉不到计算的存在。

而从技术层来看，普适计算是尽可能将计算融入人类的生活中，用低成本、使用便捷的设备和自然的交互方式，满足用户的各种服务需求。

也正因这样的特性，决定了普适计算是以人为本、应用导向的。

比如，面向独居老人的跌倒检测系统。

张大庆教授团队就曾利用WiFi信号，实现了在室内自然生活状态下的跌倒行为识别。

放在当时的学术界，做连续行为识别还是国际上首例。

无接触、实时、也没有任何行为拘束、低成本……甚至相较于用摄像头识别来说，还没有隐私的困扰。

而除了实时检测跌倒外，无线信号还能感知呼吸、心跳以及睡眠状态等生理参数。

这一技术还可以进一步延伸到医院、养老院、仓储、医院、家庭、办公室、宾馆、汽车等应用场景。

张大庆教授联想到，新闻上时不时有小孩被家长锁进车里发生意外的场景，有了这项技术问题就能得到解决——

无线信号感知到汽车里有人在活动，然后及时告知孩子的父母。

如此前沿性的技术理念，追本溯源，却要从三十年前的一篇经典文章说起。

Mark Weiser，马克•雅瑟，施乐公司PARC研究中心的首席科学家，普适计算之父。

他在文章的开头写道：最影响深远的技术应该是那些消失的技术。（The most profound technologies are those that disappear. ），未来的计算、通讯、感知、服务应该是无处不在的，计算会像电和水一样成为我们生活环境的一部分。

对此，他和他的团队设想并设计了三种形式的计算设备。

• Tabs，尺寸以厘米计算，类似便利贴；
• Pads ，尺寸以分米计算，类似一张纸、一本书或一本杂志；
• Boards ，尺寸以米计算，类似一块黑板或公告板。

值得一提的是，他预测未来的物品都会包含一个计算机或者标签，人们可以很容易地得到有关物品的信息， 比如看到的某件衣服由谁设计，商店是否有库存，还可以在哪里买到？

如今看来，Mark Weiser的想法正在影响整个计算机学科，而他的愿景也正在逐步实现。

谈到这里，张大庆教授感慨道，普适计算的时代也已经来临！

在过去10多年中，普适计算在世界各国都得到了重视和发展。

日本、韩国在2004年提出“U-Japan”“U-Korea”计划；在欧洲，普适计算已被欧盟采纳为信息社会技术研究及技术开发计划的主导项目，拨款超36亿欧元……

而对于国内的发展，张大庆教授作为最早从事普适计算的华人学者之一，在跟我们交谈过程中充满了激情。

将国内普适计算的研究带到国际前沿

1996年，张大庆在罗马大学获得博士学位。博士毕业后，他决定先在国外发展一段时间，再将新的研究思路和成果带回国内。

在新加坡国立大学和资讯通讯研究院（I2R）工作几年后，他在新加坡开拓了普适计算这一研究方向并在2003年创立智慧家居实验室，在2004年成立情境感知系统研究部并担任创始部长，期间提出了目前仍被国际普适计算、移动计算和服务计算领域广为采用的基于本体的情境模型。

也是从2003年起，他开始担任西北工业大学客座教授致力于为国内培养普适计算的青年人才。

2007年开始，张大庆受邀成为法国巴黎国立电信学院一级终身教授，创建ALPS（Ambient Intelligence and Pervasive System Group）实验室。

无论是在新加坡的I2R， 还是在法国的ALPS实验室，他和国内的高校如西工大、清华、北大、浙大、华中科大一起合作，培养了一大批国内在普适计算、群智感知和大数据分析等领域的青年才俊， 其中不少已成为这一领域国内的中青年领军人才。

除此之外，他培养的一些国外的学者，如今在美国、澳大利亚的知名高校、企业担任教授、研究主管工作。

△张大庆和学生在ALPS

2014年，张大庆正式加入北大，成为信息科学技术学院的讲席教授；很快又担任中国计算机学会普适计算专委的副主任、主任。他通过组织普适计算夏令营、前沿论坛和讲习班，每年邀请国际、国内著名学者一起推进国内普适计算的研究。

2016年起， 国内学者在普适计算A类会议ACM UbiComp发表的论文数量开始位居国际第二（仅次于美国），张大庆教授的团队也保持着在UbiComp发表文章数量国际领先、引用数每年位居前三的记录。

如今，张大庆在Google学术上的论文引用次数达到21000+，H因子72，他也是普适计算顶刊IEEE Pervasive Computing唯一的国内编委，和ACM IMWUT会刊7位国际指导委员会委员之一。

他也曾获得过中国计算机学会（CCF）推荐的全部4个普适计算国际顶会的最佳论文或提名奖，包括ACM UbiComp 2015、2016的最佳论文提名奖，和IEEE PERCOM、IEEE UIC的“十年最具影响力论文奖”。

今年9月的ACM UbiComp 2021上，张大庆团队的「Exploring LoRa for Long-range Through-wall Sensing」论文，再次获得了杰出论文奖。

从2000年起至今，已有20余年时间，张大庆一直没有停下研究的脚步，这也与他选择普适计算的初心有关。

其一，普适计算属于应用（场景）驱动型研究：

我们做普适计算研究时，首先都要选一个场景，就像“老人健康监测”这个应用场景，它并不限制技术实现的方式，用可穿戴、无线设备、摄像头都可以做，目标是把性能做到极致，这让我们的研究方式很灵活。

我很喜欢参加普适计算会议，因为每次都能看到国际同行们展示最新、很酷的应用，都是我们日常都能遇到的场景，能切实感受到这些研究是有用的。

其二，普适计算属于交叉学科，“永远在路上”：

普适计算的研究没有“固定套路”。你可以利用最先进的感知技术、也可以研究通讯和AI算法，只要它对你解决具体的应用有帮助，你都可以探索，这也是我现在还在不断学习新知识的原因。

这两点，在张大庆所做的研究中都得到了完美的印证。

以2016年发表在UbiComp的无线感知论文为例，张大庆等人将源于光学的菲涅尔区模型引入到无线感知领域，揭示了用WiFi信号何时能检测人的呼吸的机理。

理论上，WiFi作为一种电磁波信号，是可以用来反映物体活动情况的。但相关研究大都没有建立WiFi信号变化与设备位置、人体活动位置、方向、速度之间的定量关系，因此WiFi感知应用遇到问题时，人们不能从原理上理解为什么。

菲涅尔区，是源自光学理论中的一个概念，指以收发信号的设备（这项研究中指WiFi信号发射和接收器）两点为焦点的一系列同心椭圆。

乍一看，WiFi信号似乎和光学并不相关，但如果仔细一想，就会发现WiFi信号属于电磁波，广义上性质与光波相似。

基于菲涅尔区的基本模型，张大庆等人进一步考虑了电磁波反射特性和WiFi信号的频率多样性，使得扩展后的模型能捕获到人体亚波长级别的微小移动。这项研究，也奠定了用WiFi信号感知人体毫米级行为的理论基础。

在张大庆教授看来，要想真正把无线感知做好做到实用，第一件事就是要把人的活动对无线信号影响的机理搞明白。

包括WiFi信号是怎么传播的，有什么特殊的性质，感知的极限和边界是什么；否则将AI算法生硬地用于无线感知遇到问题时，就无法理解问题的根源。

这也是当前为何全球很多团队都在将各种AI、机器学习算法用于WiFi感知，但性能并不稳定的原因。而张大庆团队利用商用WiFi，就可将20米外的人的微弱呼吸检测到。

在未来，只有将基础理论和AI有机结合起来，才能将无线感知应用做好。但在那之前，还是要先从基本原理出发，去理解感知问题背后的本质。

实际上，这种研究方法放在其它应用领域，也是同样通用的。

把握「原始的创新」

在与非常AI的聊天里，张大庆教授谈及最多的，就是基础研究的重要性。

现在我们有不少学生和研究人员，喜欢跟风其它团队的研究，仅对算法做些改进。

但我觉得，要想真正搞好科研，还是需要去做基础理论的探索与创新，要理解技术和方法使用的假设条件和背后的道理，不能仅停留在方法的简单运用和改进上。

其中，张大庆教授尤其强调了原始创新的重要性。

这是一种观念、思维方式上的创新，诚如那些前所未有的重大科学发现、基本原理、颠覆性技术等创新成果：

只有原始创新，才能把技术真正做到前沿，对问题有深层的认识，并最终把应用做好。

至于像普适计算这样的交叉学科，具体怎么去学基础理论、怎么去做研究。张大庆教授表示，方法是很灵活多样的：

你可以先做深一个学科，专精后再去理解其它学科，然后做交叉；

你也可以先接受通识教育，将知识面拓宽，然后再聚焦某个领域；这样做交叉学科是从通识到专精，再慢慢延申研究的范围，都是可以的。

如今，普适计算已经发展正好30年，在张大庆教授的眼中，这个领域依旧如最初那般“有吸引力”。

它打破传统的学科学习思路——先定义场景，再去思考如何用技术去实现，实现过程中进一步去参悟其中的科学问题。

正因为这种独特而实用的研究思路，深受工业界的认可和推崇，其多学科交融的内在使之已经落地多样的场景当中去。

或许过不了多久，真就如科幻电影那般，计算、通讯、感知就无处不在了……

参考链接：
[1]https://www.slideshare.net/panchendrarajanruba/ibat-detecting-anomalous-taxi-trajectories-from-gps-traces-93850893
[2]https://ieeexplore.ieee.org/abstract/document/9386235
[3]https://www.researchgate.net/publication/49612119_CDTOM_A_Context-driven_Task-oriented_Middleware_for_Pervasive_Homecare_Environment
[4]http://www-public.it-sudparis.eu/~zhang_da/people.html
[5]https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9505583
[6]https://web.archive.org/web/20140913030923/http://www.ubiq.com/hypertext/weiser/SciAmDraft3.html