开发智能家居和机器学习的新思路

今天的“智能家居”在家庭中占据的地位就像一两代人之前的电子产品一样：每个人都有一些，但我们正在努力找出哪些可以发挥作用。每个人都有烤面包机或搅拌机，但没有人拥有电子开罐器，智能家居也是如此。我们仍处于发现模式。机器学习有许多相同的问题：我们如何将这些商品化的构建模块组合成有意义的产品，这些产品不仅可以在家庭中使用，而且可以跨平台和智能手机使用？机器学习的部分挑战不仅在于弄清楚要解决什么问题，还在于弄清楚如何将其呈现给用户。部分原因可能是通过品牌推广。我们可能需要说“这是‘人工智能’”来设定期望（并降低期望）。我的祖父母可以告诉你他们拥有多少辆发动机。车里有一个，冰箱里有一个，吸尘器里有一个，总共可能有十几个。今天我们不知道这一点，但这不是一个有意义的问题，但我们确实知道我们有多少设备连接到互联网。再说一次，我们的子孙也不知道这一点，但这没关系。

在这两种情况下，商品化组件的浪潮推动了产品创造的浪潮。廉价的直流电机、加热元件等推动了家庭的电气化，而当前的“智能家居”设备浪潮则由廉价且低功耗的摄像头、wifi芯片、麦克风等推动。（基本来自智能手机供应链） ）

同样，在这两种情况下，都有一个发现阶段：我们拥有所有的部分，但仍然需要弄清楚如何将它们组合在一起。因此，人们想出了各种各样的家用电子设备，我们一起努力找出哪些可以使用以及在哪里使用。 —— 英国每个人都有一个水壶，美国大多数人都有搅拌机，但没有人有电子开罐器。同样的事情也发生在“智能家居”上。尝试了许多产品创意——，其中一些是热水瓶，但也有开罐器，但事后看来这些都是显而易见的。这个过程的一部分还在于弄清楚公司的价值流向何处——哪些是来自现有制造商（烤箱公司、锁具公司等）的货物，哪些是来自深圳的货物，哪些是创办新公司的机会。

所有这些都与机器学习领域（尤其是消费产品领域）同时发生的创造和发现非常直接地重叠。同样，我们在计算机视觉、语音和NLP 等领域拥有越来越多的组件，以及基于机器学习的更广泛但不太明显的模式识别。同样，这些组件中的许多现在已经商品化，或者正在迅速商品化。同样，我们正在研究如何将它们组合起来并将它们开发成产品或将它们添加到其他产品中并将它们呈现给用户。

所以：

我们可以用电机和加热元件做什么？我们可以用WiFi 芯片、摄像头和麦克风做什么？图像识别、自然语言处理和模式识别可以用来做什么？同时，这些机器学习组件本身就是智能家居的组件（ML 使联网摄像头或智能恒温器变得有用），反之亦然（智能扬声器通常只是语音助手的端点）。

当然，“智能家居”的发现挑战的一部分是这些设备应如何相互连接。 “物联网”应该是什么？或者“连接到互联网的东西”？

语音助手（基于机器学习）显然是难题的一部分—— 我想用我的声音控制一切吗？或许。我倾向于用维恩图来思考这个问题—— 通过语音告诉烤箱加热到350 度就好了，如果智能门锁可以在我不说话的情况下与防盗警报器对话，那就太好了，但是门锁不需要连接到烤箱。也就是说，我们拥有一系列扩展点解决方案（除非某些设备已经使用了10 年，否则您不太可能只是为了获得语音助手支持而更换烤箱）。

同样，您还可以考虑机器学习在多大程度上可能不仅仅是一系列单点解决方案，即是否应该有更多的结缔组织。