中软国际哈尔滨ETC：分享环境智能发展遭遇数据困境

　　通过非接触式传感器搜集环境数据，结合人工智能判断个人行为，环境智能可应用于老人护理、重症监测、无人贩售等多个场景……

　　利用摄像头对手术过程进行高清视频采集、对独居老人日常生活行为进行监测、为心理疾病提供连续且经济的症状筛查方法……人工智能正在以另一种全新的方式深入我们的生活，不是人们熟悉的机器人，而是与我们身边的整体空间、设备融合建立的环境智能。

　　美国斯坦福大学计算机系教授李飞飞联合斯坦福医学院教授阿诺·米尔斯坦等科研人员，在国际顶尖学术期刊《自然》上发表的题为《利用环境智能照亮医疗的黑暗空间》的论文显示，通过人工智能与非接触式传感器结合来实现环境智能，可以潜在地改善医疗保健服务情况。

　　“环境智能的市场化应用前景十分广阔，它对于医院和日常的生活空间都有着极大的应用价值。凡是需要长时间耗费大量人力的重复性监控场景，都可能利用环境智能技术，替代其中的大量人力。”华东师范大学、上海市多维度信息处理重点实验室孙力副教授9月27日在接受科技日报记者采访时如是说。

　　环境智能不是一项独立的技术

　　什么是环境智能？涉及哪些人工智能技术？其实环境智能最早是在1999年由欧洲的一个信息社会技术研究团队提出的，其主要强调计算资源应普遍存在于环境中，人们可以随时随地获得需要的信息和服务。

　　不过，随着传感器、通信、物联网、云计算、机器学习及人工智能等技术的迅速发展，环境智能的含义也产生了一些演化，当时的环境智能技术以普适计算为主，发展到今天，环境智能已经发展成通过嵌入到环境中各类非接触传感器，并结合人工智能技术去高精度感知人类活动，从而将获得的人类活动信息反馈到信息空间的一种技术。

　　孙力解释说，环境智能就是通过在环境中放置大量被动的、无接触式传感器，采集人在某一特定场景下，如声音、普通图像、红外图像、运动等数据，并利用机器学习算法对数据进行融合挖掘，自动识别这一场景下人的行为。

　　“环境智能不是一项独立的技术。”复旦大学大数据学院副院长、计算机科学技术学院薛向阳教授指出，目前，在环境智能中广泛使用的非接触式传感器有深度相机、红外相机（测量物体表面温度）、激光雷达（距离测量）、微波雷达、麦克风等。涉及的人工智能技术包括各类传感器信号的智能检测、处理、识别和融合等，机器学习特别是深度学习等人工智能技术，将在环境智能中发挥巨大作用。

　　“实现环境智能的技术手段有很多，主要是通过硬件模块+AI算法来实现。”深圳德诺迈斯集团运营中心总监、漳州高新区物联网示范园运营负责人吕明轩举例说，如布置AI摄像头，该摄像头基于常规的图像传输功能，可集成红外光学模块传感器提供夜视与温度检测功能；集成运动检测传感器提供物体动态追踪、行为判断等功能；集成人脸识别模块提供身份识别功能等。

　　此外，还可以通过在智能穿戴设备中集成心率传感器、血氧传感器、重力加速度仪、陀螺仪、温度监测计、5G通讯模块等传感设备，并结合实际用途开发算法，这种环境智能可实现对独居老人或对病人健康状态与行动轨迹数据的实施传输，以便看护者或儿女了解老人、病人的情况。

　　渗透医疗空间中将救人于“无形”

　　本次李飞飞团队发布的论文，描述了医院和日常生活两大环境智能的应用场景，论文指出，环境智能可以在缓解临床服务压力，提高医疗服务质量和效果方面发挥重要作用，可应用于多个医疗空间中，实现救人于“无形”。

　　从论文中给出的数据可以看到，2018年约有7.4%的美国人需要医护人员过夜陪护。同年，英国国家卫生服务局报告了1700万入院病例，报告显示医护人员超负荷工作，人手不足，资源有限的问题已经相当严峻。在医院重症监护室场景中引入深度传感器，可以辨识病人身体的移动性等情况，减少因医护人员因工作低效、成本高、人手不足等原因而带给病人的安全威胁。

　　“在手术室，利用环境摄像机及内窥镜影像等，可有效降低医生的手术事故，还可以对手术器械进行自动计数，以避免留在病人身体中。”薛向阳说。如论文中举出的案例，在一项前列腺切除术中，研究人员通过视频数据训练卷积神经网络来跟踪手术中的针头驱动器，结果与12位外科医生的手术相比，其准确度达到了92％。

　　门诊患者数量多，病历录入占用医生大量时间，且效率低易出错；病历质控工作量大、专业性强，医院人员配置不足效率低……这些问题在传统医院中普遍存在。据美国医学会的统计，医生职业生涯中大约35%—40%的时间用在病历书写及相关文案工作上。

　　“应对这一问题，环境麦克风是一种有效的解决方案。”吕明轩说，2018年美国医疗信息与管理系统学会《医疗行业的发展新趋势》报告指出，语音识别应用可以提高医生录入工作20%—40%的效率，尤其在工作量大、时间压力大的科室，越复杂的报告，就越能体现语音录入的价值。

　　“环境智能是一个大的概念，它的应用不单局限于医疗，在日常生活中也有广泛应用。”薛向阳举例说，可通过监测日常行为改善慢性病患者管理，协助老年人提高日常生活自理能力，还可能对老人摔倒这一特殊事件监控；在机场或高铁站用上人脸识别系统；在无人零食商店，利用摄像头、电子标签等，可以实现无人全自动销售。

　　隐私保护问题是应用普及的“绊脚石”

　　智慧养老与智慧医疗领域已逐步对环境智能开放市场，部分产品已开始投入使用，但大多数潜在应用场景还受限于技术、成本与市场认知等因素，目前还没有看到可大规模商业推广的解决方案和应用案例。其中一个原因，便是环境智能带来的数据隐私问题。用隐私去交换某些便利，人们显然是不愿意的。

　　在许多环境智能应用中，例如独居老人居家看护等应用，个人信息隐私保护是这类应用推广的关键门槛，此时必须保证环境传感器获取的各类数据的安全，不能泄露用户任何隐私信息。“如在卫生间或者浴室安装智能传感器时，应该考虑这个场景并不适合安装普通摄像头，所以可以考虑能否用声音采集设备完成任务，或用深度摄像机完成任务。”孙力说。

　　总之，数据的隐私问题，不仅仅可以从技术角度解决，更可以从应用场景对数据的需求本身解决。

　　“目前，既能在一定程度上保护用户隐私又能实现环境智能的技术是联邦学习，利用联邦学习实现隐私保护下的环境智能应用是值得深入研究的。”薛向阳指出，其他保护隐私的相关技术，还有降低图像中人的分辨率，或对图像中出现人的区域进行替换等，使其不能被他人辨认出身份等。

　　薛向阳表示，在复杂开放场景下，基于多种环境传感器的环境智能应用尚处于起步阶段，除了数据隐私外，环境智能技术还面临不少挑战，人工智能研究中面临的各种挑战和问题，在环境智能中都是存在的。这类应用涉及传感器技术、网络通信技术、云边端协同计算技术、隐私保护技术、网络信息安全技术以及人工智能算法等，都需要开展广泛深入研究，并且应构建完整的技术体系及标准。

　　孙力认为，技术上值得完善的地方有多模态数据的融合，这方面学术界后续或许会有所贡献。另外，目前大量数据都需要标注，数据获取的成本过高，因此学术界也一直在关注自监督、弱监督、半监督甚至无监督方面研究，这些研究可以大大降低标注数据的成本，降低环境智能对高质量标注数据的依赖。