新智元编译

来源：computerworld.com

作者：Mike Elgan

编译：张易

　　【新智元导读】I/O 大会上新推出的 Google Lens 被吴恩达认为是“百度几年前就有了”，但 Computerworld 的专栏作家 Mike Elgan 撰文指出，大家都忽略了 Google Lens 的真正意义：Google 向我们展示的是通用感应器的未来。多亏了机器学习和 AI 云，现在可以使用仅一个真实的传感器（摄像机）在软件中创建一百万个不同的传感器。同时，CMU 研究人员本月也公布了他们最新的超级传感器技术，这项研究的资助者同样是 Google。作者认为，这些迹象预示着，“万亿传感器”物联网的旧模式将被 AI 杀死，超级传感器即将崛起。

　　Google Lens 真正的意义被忽略了

　　Google 本周用一个称为 Google Lens 的新功能闪瞎了开发人员的眼。

　　Google Lens 首先出现在 Google Assistant 和 Google Photos 中，使用人工智能（A.I.）来专门识别智能手机摄像镜头中的内容。

　　在 Google 的演示中，Google Lens 不仅识别出花朵，而且还有花朵的种类。当 Google Lens 指向路由器条形码时，还自动登录到了该无线网络。最后的显示中，Google Lens 还能识别企业，为每家企业弹出 Google Maps 卡。

　　很快，前百度首席科学家吴恩达就在推特上表示：“美国媒体认为 Google Lens 很赞，但百度几年前就推出了这个功能。”

　　

　　“用手机识别鲜花或者其他东西，2014 年中国就做得很好了。现在看到这东西出现在美国 Google I/O 大会上，很不错。”

　　

　　无论是媒体眼中的闪亮登场，还是大牛口中的早已有之，在 Computerworld 的专栏作家 Mike Elgan 看来，Google Lens 真正的意义都被忽略了。他是这样认为的：

　　常见的反应是：“哦，看，我们的智能手机又多了个玩意儿！”实际上，Google 向我们展示的是通用感应器的未来。多亏机器学习，现在可以使用仅一个真实的传感器（摄像机）在软件中创建一百万个不同的传感器。

　　在 Google 的演示中，很明显，相机成为了“超级传感器”。Google Lens 扮演了花识别传感器、条形码阅读器和零售商识别器的角色，作为一个通用的超级传感器，它拥有很多基于软件的、AI 驱动的“虚拟传感器”，内置在本地或云端的软件里。

　　“万亿传感器世界”——当时我们不懂什么是真正的 AI 和机器学习

　　说到物联网（IoT），四年前，“万亿传感器世界”（trillion sensor world）一词在IT 界流行起来。未来主义者模糊地想象了一万亿个小型设备，拥有万亿个天线和一万亿个电池（每年必须更换一万亿次）。

　　在想象的未来中，我们将被穿戴式传感器覆盖。所有的商品和机器上都装有RFID 芯片，来向登入的读取器提示位置信息。专用传感器将渗透我们的家庭，办公室和工作场所。

　　我们当时如此天真，还不懂什么是真正的 AI 和机器学习。

　　在过去四年中，另一场革命已经打破了预期的“万亿传感器世界”之变，即 A.I. 云的演变，它改变了一切。除了安装在汽车，人，墙壁，机器和道路上的不同的单一用途的传感器之外，我们还将配备通用超级传感器，其数据将用于基于软件的虚拟传感器。

　　CMU 最新研究：“合成传感器”（syntheticsensors）

　　CMU 的研究人员上周发布了他们的“超级传感器”技术，他们也称之为“合成传感器”。

　　尽管名为“合成”，仍然有真正的传感器在那儿。研究人员开发了一个包含常用于企业和商业环境中的小范围传感器的主板。这块主板的功能就像一个植入墙壁或USB 电源并通过Wi-Fi 连接的黑盒式传感器。

　　换句话说，它是一个用作通用超级传感器的小型设备，您可以将其插入和部署到任何传感应用中。这些传感器可以检测声音、振动、光线、电磁活动和温度。这些主板不用于常规摄像头，这主要是为了不引起对于用户或员工隐私的担忧。当然，一个用于常规摄像头的更强大版本也不难想象。

　　

　　CMU 研究人员本月公布了他们最新的超级传感器技术，能够探测出厂房同一楼层上发生的所有事件。

　　当事件发生在传感器主板附近时，数据以特定的唯一识别模式生成，这些模式由机器学习算法处理，以便在软件中创建“合成传感器”。

　　以下是这种传感器在仓库场景中工作原理的简化版本。您可以插入一个或几个超级传感器。好了，现在有人在用叉车，它产生的振动、声音、热量和运动被超级传感器检测到了，生成了数据模式，馈送到系统中。于是识别您识别出了“工作中的叉车”（进一步的细化，则可能不仅判断出叉车在工作，还能判断出在哪里工作，它的移动速度有多快，它携带的重量以及其他数据）

　　然后，您可以编程下一级的应用程序，比如当叉车移动时打开警告灯，计算叉车设备的磨损或检测叉车未经授权的操作。

　　开发人员可以使用这些“合成传感器”的输出结果来创建任何必要的应用程序，并将其应用于整个系统，来监控任何事情。

　　最重要的是，您可以创建另一个“合成传感器”——10个也好，100个也好——可以检测所有的运动、活动、库存、风险等等——无须任何额外的传感器。

　　CMU 研究人员的视频显示了其在工厂、办公室、家庭和浴室中的应用。例如，在浴室里，它可以跟踪使用了多少张纸巾，这一切都是基于纸巾盒产生的声音。它也可以监测那里使用的水的总量。

　　再次声明，我们这里所说的革命，指的不是监控一切的能力。革命指的是这个超级传感器，所有未来的感知（以及基于该感知的动作）都是软件解决方案，它不需要安装新设备，无须更换电池或任何其他“万亿传感器世界”中所设想的种种不便。

　　想象一下，将成本很低的硬件植入墙壁，然后，对设备、安全、库存、人员等所有监控，都是通过软件完成的。无须升级传感器或IoT 设备。

　　想想吧，CMU 研究的主要资助者是...Google！

　　AI 云服务和超级传感器带来最深刻的变化

　　这两个项目——Google Lens 和Google 资助的 CMU “合成传感器”项——是A.I.应用能够实现更少物理传感器和更好感知的典型代表。

　　A.I. 一直在让机器复制或模拟人类的能力。但事实是，A.I.在某些领域已经比人类表现得更好。

　　想象一下，在一个传统的写字楼大厅里，前台有一名保安人员在阅读杂志。他听到旋转门的声音，抬头看到一个男人靠近桌子。他不认识那个男人。所以他要求访问者登记，然后让他进入电梯。

转载请注明出处。