物联网技术主要学什么？

主要学科有：
“主要学物联网概论、物联网硬件基础、无线传感网应用技术、RFID应用技术、M2M应用技术、物联网应用软件开发、Android移动开发等。物联网应用技术培养具有从事WSN、RFID系统、局域网、安防监控系统等工程设计、施工、安装、调试、维护等工作能力的高端技能型人才。”

无需焊接、不用拆，只需要跟着步骤 *** 作，30 分钟后，让Siri为你管理家电。现在可以通过Siri，用语音来控制灯的开关、颜色变换，还可以用 iPhone 原生的「家居」应用，通过上滑调出控制中心进行 *** 作，大大减少了打开其他应用的时间。

一些成果

工作原理：

米家（小米智能家居）设备：作为连接普通家具的媒介；

米家多功能网关+树莓派：网关是控制设备的中枢，树莓派则是为网关加入苹果家居（HomeKit）所需要的 homebridge 插件，它更像是一个 Apple TV 的枢纽的作用；

支持 iOS 10 的设备：目前只有 iOS 10 支持原生的「家居」应用；

Yeelight：调节灯泡亮度，变化颜色，我们知道，要达成这两点，要求的就不是插座那么简单，是硬件上的问题了

一点想法 智能家居门槛过高
止步于高昂的售价和不完整的功能

苹果发布 HomeKit 也有两年了，当时就有改造房间的想法，奈何我果高冷，支持的设备寥寥无几，在今年的 CES 上，支持的设备也不过 100 款左右，甚至被媒体评论道「不敌亚马逊 Alexa 」。在官方网站上看来，厂商水准也参差不齐， 看着确实捉急。

好了说了这么多，最重要是价格不菲，产品单价普遍四位数，怎么玩？

连接只是小问题
更需要的是真正的智能

很多品牌和厂商还是研发出了很多智能设备，通过自家的应用软件平台实现了所谓的「智能起居」。

然而文明的发展就是从「不满足」开始的，只能凭软件去控制未免有点本末倒置，变得有点像是机器在 *** 控人类，于是，实现人与设备同步，而不是软件同步就变得尤为重要。

现在 就让 Siri 成为你的智能管家

Jarvis ，《钢铁人》里 Tony Stark 的管家，应该就是人们最容易理解的人工智能了， 苹果和谷歌等大腕也争相推出了自己的机器人，目前最多人用的大概就是 Siri 了吧。

下面就开始实现通过 Siri 声控家里的普通电器吧！

购买清单

虽然过程非常简单，但是该买的还是得买，这里是一些需要用到的硬件，有的应该是家里就会有，按照个人需求购买
※ 支持 iOS10 的苹果设备（ iPhone 5 以上、 iPad mini 2 以上、 iPod 第六代以上，官网提供资料）
● 搭载安卓系统的设备（用于获取网关局域网的协议密码， iPhone 的米家 APP 上最近无法 *** 作，也可以用PC模拟器，参考价格：随便找人借电话就好了）
※ 小米多功能网关二代（ 注意：一定要二代！米家商城有一款「 Aqara 空调伴侣」附加了红外功能，但是不确定是不是二代，参考价格： RMB 149 ）
※ 任意一个或多个支持 HomeKit 的设备：小米智能插座 ZigBee 版(√)、小米人体传感器(√) 、小米门窗传感器(√) 、小米温湿度传感器(√) 、Yeelight智能灯泡(√) 、 Aqara 墙壁开关（ 其中「√」为已测试可用的设备，墙壁开关需要更换面板，动手能力强可以尝试，另外关于智能插座，一定要是 ZigBee 版，基础版目前暂时不支持，参考价格： RMB 49 起）

※ Raspberry Pi 3B （树莓派 3 代 B 型，一搜一大把，参考价格： RMB 269 ）

※ 读卡器 & 8 Gb 以上 TF 内存卡一张（就是手机里用的小张内存卡，如果日后还有研究最好买 16 Gb ，参考价格： RMB 40 ）

● HDMI高清视频线（接上屏幕是用树莓派，参考价格：不敢拔你家电视上的话，RMB10+）
● 网线一根（树莓派 3 代本身自带 WiFi 模块，不过凡事都要稳，所以常备一条，参考价格： RMB 5 +）
※ USB 线一根（供电，虽然树莓派的供电要求很低，但电源仍然不容忽视，参考价格：用电话充电线就好）
※ 键鼠一套（建议是无线，这样就不用接太多线整得很乱，参考价格：用现有的就好啦！）
※ 路由器（有专用APP的话，获取设备的 IP 信息和 MAC 地址会更加方便，参考价格：用家里的就可以了）
（ 其中 ※必备 ●可选）

3 步实现小米智能家具接入 HomeKit

要买的都买了，那么现在就可以正式开始了！看着好像买了很多东西，其实仅需 3 步就能完成

第一步：获取网关信息 → 第二步：配置树莓派环境 → 第三步：运行 HomeKit

第一步 获取网关信息

①安卓设备上，下载「米家」应用，并按说明连接多功能网关
②成功后点击图标进入「控制界面」
③点击右上角，进入「关于」设置

④快速连续点击「版本号」，进入「开发者模式」

⑤打开「网关信息」，找到 mac 地址，记录为密码 A

⑥打开局域网通讯协议，启动该功能，找到密码，记录为密码 B （严重注意：密码很长很杂，记下后一定要检查清楚，否则运行的时候会无法控制设备）

网关 mac 地址，注意不是「 gw_mac 」（左）局域网协议密码（右）

注意

密码 A/B 是最终设置的关键，建议在电脑上用记事本保存好

第二步 配置树莓派环境

开始之前，先下载几个软件：
● Raspbian Jessie（树莓派系统）
● SDFormatter （格式化TF卡，虽然格式化好像也可以，不过号称专业洗卡，大概会洗得更干净一点，链接：>

以上软件百度一下就能找到，或者在我的网盘分享里下载
为什么要用 Windows 敲代码？
在教程文件夹里有代码合集，可以复制直接粘贴在 PuTTy ，减少错码率

1安装系统

①下载镜像：树莓派官方网站下载页：>

下面是关于 2017 版的建议，值得一提的一点： Pixel 才是拥有 UI 界面的系统，建议下载Pixel，支持更多很方便的功能。下载zip更稳定，迅雷会员离线下载速度感人。

②打开安装好的「 SDFormatter 」，并把TF卡塞进读卡器，插入你的 Win 电脑

③默认设置即可，点击「格式化」，然后一路「确定」就完成了洗卡

④打开 Win32DiskImage ，选择下载好的「树莓派系统」，点击「 Write 」然后一路「 yes 」，开始写入系统

⑤写入完成后，将 TF 卡插进树莓派，第一次插入要轻一点，插深一点…（气氛变得有点奇怪…）

2树莓派开机

树莓派没有开关，一接电，就开机。
那么开机之前，先确认线缆接好了没，大概会有两种情况：
a 使用无线网络和无线键鼠：先接 HDMI ，后接电源线；
b 传统连接：那么久看看下面的示意图
因为接线相当于一切就绪，所以下面是在「情况 a 」下的 *** 作：

接通电源，开机了

①连接无线网络和鼠标：开机之后就进入 Raspberry 的 UI 了，右上角有「蓝牙」和「无线网络」设置

如果你希望在树莓派上写代码也是可以的，把 Codes 代码合集 Txt 放在你的移动硬盘里，插到树莓派上打开，然后打开终端就可以复制粘贴了
②打开树莓派的「允许 SSH 远程 *** 控」，现在开始可以在 Windows 上 *** 作了

点击「开始」菜单 → 偏好设定 → 树莓派设置 → 连接界面 → SSH ON/OFF
③获取树莓派的 IP 地址，两种方法：
a 打开路由器的 APP ，找到「连接中设备」，点开找到 IP 地址；
b 没有 APP 的话，打开树莓派终端，输入 ifconfig ，无线网是「 wlan0 」，有线网则是「 lan0 」
④打开PuTTy，输入刚才获取的 IP 地址，然后确定进入。第一次接入只要一路「 OK 」就可以了

⑤登陆树莓派：初次登陆，用户名「 pi 」，初始密码「 raspberry 」，输入密码的时候看不到字符是正常的
⑥登陆成功后，就可以开始「复制粘贴」 ，也可以下载并打开「 Homebridgetxt 」

3写入 Homebridge

-Start-

注意 Notice
一定要看的重点：
①保存技巧
遇到「编辑」或「配置」时，完成后先按下「 Ctrl+X 」，提示保存时键入「 Y 」确定，再按下「 Enter 回车」完成
②要有耐心！
树莓派输入命令后，无论是报错或任何情况导致无法运行，都一定会回到「 pi@raspberry:~ \$ 」
载入和安装镜像都需要时间，长短由网速和镜像源决定，少则五分钟，多则半小时以上，
所以，不见到「 pi@raspberry:~ \$ 」就说明：还在运行！不要随便关掉，否则浪费很多时间！

③认准代码行，不要跨行复制！
复制代码的时候，只需要复制「\$」以后的红色部分，不要图方便一下子复制几行，行不通的， OK ？
可以不看的废话：

基本而言，只要按照以下步骤，一步一步复制粘贴，就能顺利运行，无需思考，各位请加油！

-Start-

Step1 切换镜像源
默认源是外网资源，给 iPhone 越狱过的人就会知道，网速再快也还是会很慢，所以把源切换到阿里云的国内源。再次提醒：复制时只需要复制红字部分， PuTTy 直接鼠标右键就会粘贴，粘贴后按下 enter 自动运行

sudo nano /etc/apt/sourceslist

↓

deb >

↓

sudo apt-get update

Step2 安装 Nodejs

curl -sL >

Step3 安装 avahi

sudo apt-get install libavahi-compat-libdnssd-dev

Step4 安装 homebridge

sudo npm install -g --unsafe-perm homebridge

Step5 安装 homebridge-aqara

sudo npm install -g homebridge-aqara

(若已经购买 Yeelight ，则再写一行命令： sudo npm install -g homebridge-yeelight )

Step6 创建 configjson （根据顺序分别是：
返回主目录→创建” homebridge “文件夹→进入” configjson “文件）

cd ~mkdir homebridgenano homebridge/configjson

Step7 配置 configjson
#从下一行开始复制

{ "bridge": { "name": "Homebridge", "username": "CC:22:3D:E3:CE:30", "port": 51826, "pin": "031-45-154" }, "platforms": [{"platform": "AqaraPlatform","sid": ["（密码A）网关MAC地址，去掉冒号，全部小写"], "password": ["（密码B）网关局域网密码"]}]}

#到上一行停止复制

Step9 运行 homebridge

cd ~homebridge

nano homebridge/configjson

仔细检查「网关 mac 」和「局域网协议密码（重点留意）」，直到成功后会跳出小方框，其实就是刚才配置 configjson 里面的 pin ，不管怎么样，将这个记录为密码 C

Step10 iPhone *** 作
打开「 Home 」应用，点击「加入配件」就会自动检测到「 Homebridge 」了，点开它会要求输入密码，就是刚才获取的密码 C
成功连接之后，支持 HomeKit 的设备就会自动连接到界面上，这个时候就会有三种使用场景：
Scene 1：打开应用「 Home 」，直接进行 *** 作
Scene 2：屏幕底部上滑，「控制中心」实现监测和控制
Scene 3：说「喂， Siri 」，然后告诉他你想做什么，比如说：「关灯！」

使用感受

简单程度基本可以达到上手就会用了，论手机系统实力始终还是 iOS 更胜一筹，同时更要佩服 GitHub 上及各路高手的倾力贡献！

在很多设备上都有着相当有趣和便利的功能，下面是 Yeelight 的一点感受：

我用的是 iPhone SE ，会有一个「伪压感」的过度，进入到亮度调节；同时还能够快速选定灯泡颜色，可玩性很高！
以「智能插座 ZigBee 版」为例，可以选择它的用途，比方说我接的是台灯，在于 Siri 的互动中，只要说「开灯」，Siri就会把智能插座打开了，那么灯也就打开了。同理可得，如果插座上接的是风扇，可以发挥同样的效果。
添加成功后，返回主画面，并点击进行试验，能够开关就证明成功了！

PS 常见问题

①程序运行如果出错会「出现红字」或「回到输入命令状态」，如果遇到这种情况，检查「 configjson 」，通常是（密码 B ）出错，拿出你的安卓系统手机，再次检查协议密码是否正确！

方法：输入以下命令：

nano homebridge/configjson

②如果你同时买了 yeelight ，那么首先要先下载「 Yeelight 」手机客户端，在设置中打开「极客模式」，完成 Step 5 后，输入以下命令：

sudo npm install -g homebridge-yeelight

-The End-

Q：完了吗？
A：没完，这个时候，如果关闭了 PuTTy ，你会发现 homebridge 停止工作了，因为刚才都是远程 *** 作

Q：可以设置开机自动启动吗？
A：当然可以，但是我不会

Q：那你说个毛？
A：淡定，还有另一个办法

用你的手机打开树莓派

这是一个折中的解决方案：
Step 1：电话or平板设备上，下载「 VNC Viewer 」，以下是安卓版

Step 2：先打开 PuTTy ，登陆树莓派，输入「 vncserver 「，找到连接 IP 地址
Step 3：打开设备上的VNC Viewer，点击「添加」，输入「 Step 2 」找到的IP，然后「 Connect 」
Step 4：输入用户名「 pi 」和密码「 raspberry 」，确定后再「 Continue 」

那么现在你就可以在电话或平板设备上，利用触屏触控树莓派了

现在，只要树莓派不断电，你的 homebridge 就会一直运行了！

PS

VNC Viewer支持多平台共用，你可以在iOS、Android、macOS、Windows上同时使用！
现在，打开「 Home 」应用，试着给你的设备取个名字，例如：皮卡丘
然后说：「喂， Siri ，打开皮卡丘」试试看！
Done ！完美！

本文项目原作者：山上有猴子 热门推荐

仅花20元，用RT5350 OpenWrt Linux，做了个物联网风幕机~

用Arduino DIY6米长d珠机，疯狂享受发射d珠的乐趣！

前不久，谷歌停止了在亚马逊 Echo Show 上提供 Youtube 视频，而亚马逊也一直在其商店里封杀谷歌的多款智能硬件（包括 Google Home）。
然而无论是苹果的 HomePod、谷歌的 Google Home、亚马逊的 Echo，还是三星传言将在明年上半年发布的 Bixby 智能音箱、阿里在双十一砸钱赚吆喝的天猫精灵，抑或是生态链完整的小米推出的小爱同学，大佬们意欲通过智能音箱作为抢占未来物联网流量入口的野心已是昭然若揭。
▲从左至右：苹果 HomePod、谷歌 Google Home、亚马逊 Echo
当然，物联网的概念被业界大佬如此看重是有原因的。
据美国 IT 研究与顾问咨询公司 Gartner 发布的数据预测，到 2020 年，全球联网设备数量将达到 260 亿台
而在普通大众的眼中，今天的物联网可能是这样的：
▲扎克伯格展示他开发的人工智能家居系统 Jarvis
这样的：
▲苹果的 Apple TV 和智能家居互联
或者是这样的：
▲手机 *** 控室内的灯光
虽然看上去很酷，但是相比将来庞大的市场规模，从上面一系列的产品不难看出当今物联网产品的发展还都停留在较为简单的手机/智能音箱与智能家居产品之间的互联上，无论是距离人本身与物的联接还是未来物联网的终极形态——「万物互联」都还比较遥远。
比如这个自动跟随行李箱，自己「长了腿」会跑，使用者就能很轻松地腾出两只手做别的事；
近来越来越成为热点的自动驾驶技术自然也离不开物联网技术的应用，人们开车时享有的自由度将得到极大地提升；
能自动跟踪、自动感应开关的电风扇、水龙头瞬间就将现在的产品化为古董；
在图书馆找书的时候，书能自己跳出来的感觉不要太好；
想当辣妈？自动跟随的婴儿车足够满足这个愿望；
感应式的路灯不仅关心你的路途，同样关心节能环保的路途。
当然，物联网的应用不仅能让个人的生活变得简单、自由、舒适，城市的管理同样将变得更加高效可控。
当你没有在规定位置停车，会被及时告知，城市也将不会有偏差，变得更加规范；
当路面出现障碍物，车主同样会受到提醒，城市将不会有危险；
当出现走失儿童，位置信息同样也会被捕捉到，城市将不会有意外。
从以上的例子不难看出，相比目前在几乎都位于室内的物联网智能家居这种单一形态，未来的物联网时代将实现更多人与人、人与物、物与物之间的联接，并在提供更多使用场景的同时简化人们的生活，消灭「不确定性」。
而要想实现上述的确定及可靠的转型升级，高精度的位置服务将成为其中一个关键的变量。
具体来说，如果未来物联网仍采用 GPS 十米级别的定位精度，那就意味着上述的电风扇和水龙头将不能精准地「找到」用户所在的位置，水乱流、风乱吹将成为常态；无人驾驶汽车在某些路况下也许就不能一直沿着既定道路行驶，更别提去精准躲避马路上的玻璃渣了。
▲无人驾驶汽车在没有道路标线的情况下大概只能依靠高精度导航了
同样地，今天我们或许都不会去想身边出去旅行能有一个自动跟随的旅行箱，这是因为定位的精度达不到要求，与其带着一个「不认主人」还「满地乱跑」的旅行箱，还不如老老实实自己拉着。
以上由物联传媒提供，如有侵权联系删除

对于不少小伙伴来说，科幻一定是此生必打卡的影片类型。像是去年大受好评的《流浪地球》，小到救援队穿的机械外骨骼，大到行星推进器，可以说在中国史上还从未有过一部，体现出了如此深厚的科技崇拜。

而作为一个理工男，小编也同样喜欢那些酷炫的黑科技。虽然有不少黑科技目前只有雏形，但说不定在有生之年里，我们还能看到其实现的可能。而目前来说，最靠谱的应该就是AI和自动驾驶了。

AI和无人驾驶已经不远！

如果对那些酷炫科技感兴趣的小伙伴应该知道每年在拉斯维加斯举办的CES展会，在这里，可以看到很多脑洞大开的概念产品，而概念产品正是连接科幻和现实的纽带。还记得在2017年的CES展会上，丰田首次展出了很有科幻气息的CONCEPT-爱i概念车，在它身上，我们可以看到钢铁侠的电脑管家贾维斯(JARVIS)和神盾局局长的无人驾驶座驾的影子。

这款概念车之所以吸引了众多人的关注，一方面是配备了一套名为“Yui”的先进人工智能系统，智能化程度非常高，在SAE标准下能够实现第5级别的自动驾驶（完全自动驾驶），还可以识别驾驶者的情感和喜好，真正实现人与车之间的双向交流。

而对于无人驾驶的车辆中来说，在人、车之间的互动与介入减少后，作为连接车辆与道路的主要部件，轮胎就要发挥更重要的作用了。为此，CONCEPT-爱i概念车采用了固特异专门针对无人驾驶汽车研发的IntelliGrip Urban概念轮胎。

这款概念轮胎采用先进的Chip-in-Tire嵌入式传感技术，可以感知路况和天气等信息，然后计算出安全的驾驶速度，根据路况调整刹车距离，并通过云平台和其他车辆的信息互通，帮助汽车在各种驾驶条件下实现稳定的自动驾驶表现。此外，IntelliGrip Urban轮胎还可以监测轮胎的磨损、压力以及温度等情况，大大提高行车安全性。

不过相比IntelliGrip Urban轮胎，固特异的另一款名为Eagle-360 Urban球形黑科技概念胎更加充满科幻感。

充满科幻气息的黑科技：球形智能概念胎

单看这个完全颠覆传统轮胎的造型，就已经够科幻够酷炫，有没有想过，四个球加一个沙发跑起来会是什么情况？没有传动轴的车要怎么跑？

Eagle-360 Urban取消了传统固定的传动轴，通过磁悬浮技术使车身悬浮在轮胎上，通过轨道中线圈制造的磁场驱动车辆前进，刹车和加速的情况也都靠磁力变化和轮胎滚动方向控制。

其实这款轮胎曾在科幻《机械公敌》里出现过，主角威尔·史密斯的座驾奥迪RSQ就是采用这种球形轮胎。

球形造型的优势

球形轮胎的最大好处在于万向可转的特点，让车辆有着更高的稳定性与灵活性。在绕桩时车子无需做出过大的躲闪，简直是轻松自如，变道也就更加简单灵活，相对普通轮胎也可以节省更多的动力，而且更为平稳、安全。

此外，使用球形轮胎的车子还可以在狭窄的空间内泊车，大大提高停车场面积使用率，不仅对那些为揉库头疼的新手来说是个福音，对于无人驾驶来说，停车也就很简单了。

黑科技材质

Eagle-360 Urban可以基于不同地域和驾驶习惯进行定制化设计，使用3D打印技术制造，采用d性超强的聚合物材料打造的仿生表层坚韧并富有d性。Eagle 360 Urban表面带有嵌入式的传感器，可以判断路面情况，内部的AI系统根据传感器获取的信息调整轮胎纹理，以适应路面。

在干燥路面，胎面变光滑，降低摩擦；在湿滑路面，胎面纹增多，增强抓地力，防止打滑，让雨雪天气行驶更加安全。不管什么路面，一条胎就可以闯天下了。

此外，轮胎纹路中还附带有一种吸水材料，吸水后会自动收缩，创造更大的排水槽，帮助车辆轻松通过积水路段。

轮胎的磨损会否不均匀？

这个担心完全没必要，Eagle-360 Urban的AI系统可以根据传感器的信息，指引驾驶者走对轮胎磨损最小的路线，同时也会监测轮胎磨损情况，通过位置调整改变接触面，以减小受损部位承受的压力。

而最牛的是，它还有自我修复程序，在启动修复程序后，轮胎采用的特制材料会流向穿刺部位，并通过相互间的物理和化学反应产生新的分子键来完成修补，使轮胎完好如初，寿命也比一般轮胎要长。

会思考的脚

Eagle-360 Urban是为未来自动驾驶和共享出行而设计的概念胎，数据分析处理能力自然必不可少的。它可通过整合信息源并利用基于深度学习训练算法的神经网络进行即时数据处理，成为车辆“神经系统”的重要组成部分以及“物联网”互联世界的重要一环。

Eagle-360 Urban的传感器可以检查自身的状况并实时监测路况，收集路面状况、天气等环境信息，并和其他车辆、基础设施和移动出行管理系统进行互联互通，判断当前最佳的工作模式，同时帮助其他车辆提前应对路况变化，还可以根据历史数据优化车子，改善制动、 *** 控以及效能表现，简直就是一只会思考的脚。

据称，奥迪将会在今年发售安装这种轮胎的车，虽然2020年已经过去了一半，但说不定年底就能看到了呢？让我们继续期待吧！

可以产生氧气的苔藓胎

相比球形概念胎的酷炫和科幻，苔藓胎Oxygene看起来反倒有点返璞归真的感觉，不过也是一款脑洞大开的概念轮胎。说出来你可能不信，这其实是真的苔藓！

苔藓胎是一款主打环保的概念轮胎，依靠轮胎特殊的侧壁结构，可以很好地吸收路面上的积水来维持了轮胎中活苔藓的生长。苔藓可以吸收大气中的二氧化碳，再通过光合作用释放出氧气，达到净化空气的作用，不要觉得杯水车薪，假如全世界的汽车都用上了这种苔藓轮胎，作用就非常巨大了。

苔藓进行光合作用产出的能量还可以转化成的电力供给轮胎上的传感器和轮胎侧壁发光带使用，加上这种轮胎本身也是可再生的材料，真是把环保理念贯彻到底了。

会飞的轮胎

近年来，为了应对日益严峻的道路拥堵，飞行汽车不失为一种未来出行理念。而根据这个想法，固特异造出了一款飞行胎，这轮胎不光能在路上开，还能上天！你敢信？

在公路模式下，这款轮胎其实与传统轮胎类似，能承担传递动力和缓冲振动的作用。而在飞行模式下，其扇叶状的轮辐可以提供强大的升力，从而让车辆实现飞行。

实际上，这款飞行胎所采用的免充气结构和人工智能系统已被固特异列入研发日程。相信在不久的将来，我们就可以像鸟儿一样自由飞翔啦！

可随时随地更换的胶囊胎

以往的传统轮胎，当我们遇到像是缺气、扎钉等情况时，通常都需要耗费大量精力去处理，甚至还有爆胎的风险。而有了这款胶囊胎，完全可以和它们说拜拜了！不过，这样只能算是这款轮胎的常规 *** 作！

更关键的是，这款轮胎独有的胶囊可根据自己想要的驾驶风格或是天气、场景等需求进行个性化定制，并可做到随时随地“秒换”轮胎。而当胎面磨损到一定寿命时，只需更换胶囊，就可通过特殊的液体化合物来实现自我修复，这种特殊液体化合物的灵感则来自于蜘蛛丝的高科技可再生材料，简直就是“轮胎界的蜘蛛侠”！

脑洞大开的轮胎品牌

在看完这些各色各样脑洞大开的概念轮胎，小编墙都不扶，就服固特异！这个已经120年的品牌，依然可以这么“老不正经”。

其实，翻开固特异的历史，它的壮举还真是不少：世界上首款量产汽车福特T系列就是它提供的原配轮胎；创造了368次F1冠军记录，至今无人超越；更牛的是，创造陆路时速960公里世界纪录的火箭车和人类首次登月的太空车也是装备固特异的轮胎；再到近年来所发布的这些概念轮胎，这品牌还是真是“生命不息，折腾不止”！

总结

可能在很多人眼中，轮胎就是四个黑色的橡胶圈，很少有什么创新或突破。但随着无人驾驶和电动车的兴起，轮胎不再只是橡胶产品，也能汇聚诸多先进科技，甚至脑洞大开。固特异已经向人们展示各种各样的脑洞，虽然有的脑洞很大，不过要实现科幻的情节，还得靠这些脑洞和创新！在未来，轮胎也不仅是一款轮胎那么简单，而是智能驾驶生态链的重要一环，这只会思考的脚，已向我们大步走来！

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

随着人工智能的飞速发展以及广泛落地应用，越来越多的设备将会被植入智能问答技术，人机交互场景随处可见，智能问答在未来将会成为一个非常重要的入口。

腾讯小知凭借着业界领先的智能AI引擎算法和海量大数据仓库，已将智能问答技术落地实施，并且经过大量的业务考验和优化，知识点匹配度和准确率都已达到90%以上，在2018 年 GITC 全球互联网技术大会上，腾讯小知荣获年度互联网最具价值产品奖。

腾讯小知算法负责人陈松坚也在会场发表了关于智能问答技术原理及其在To B场景下的应用的专题演讲，从自己的角度为我们展现智能问答技术的最新成果。

他首先从智能问答是什么，为什么和怎么做的三个问题出发，阐明了他对当前智能问答技术的定位和价值，首先，现阶段的智能问答是信息检索技术的升级，是量变而未达到质变。但是无论在To B还是To C的场景下，当前的技术都能够切实解决一些用户的痛点，提升用户体验，是亟待推进和充满想象的方向。

在回答怎么做这个问题时，他详细介绍了几种不同的问答机器人的实现路径，包括单轮问答机器人，多轮问答机器人及阅读理解机器人。其中重点阐述了单轮问答机器人的实现原理，包括字面匹配，词向量匹配，深度语义匹配，迁移学习等技术。

此后他还分享了小知团队将上述技术产品化的经验，包括智能客服机器人和电话机器人两大块，主要分享了当前产品的形态，亮点和实际项目中取得的一些成果。

最后，他简单总结了小知目前完成的工作以及就智能问答的发展提出了自己的几点看法。

--------------------------------------------------------------

以下是演讲稿全文：

各位下午好，很高兴今天能在这里给大家做分享报告。先介绍一下，我们腾讯小知是致力于为政府和各行业提供一揽子智能问答解决方案的团队，目前已经落地的包括基于文本的智能客服机器人和基于语音的电话机器人等。

在大多数人的认知里，智能问答很可能是以上的3个印象，2011年打败了人类取得问答竞赛冠军的waston;2017年被沙特授予公民身份的机器人sofia;更为大家熟知的钢铁侠中的机器人管家jarvis。在大家心目中，智能就意味着能够像真人一样交流。然而作为从业者，很遗憾地告诉大家，目前的技术还远没有达到这个目标，我认为本质上目前的智能问答技术是对信息检索技术的一次升级，是量变而未到质变。这个皇冠上的明珠还等待我们去摘取。

既然问答技术还不成熟，那为什么还要投身到这个领域呢。我想从To B和To C两个角度去回答。对企业来讲，当前的问答技术虽然无法解答复杂的咨询，但是大部分的简单的头部问题是可以比较好的解答的。从本轮AI大潮NLP赛道的几名种子选手都从智能客服这个方向切入就可以看出企业是确实存在对智能问答的刚性需求。而对普通用户来讲，一方面siri等语音助手每天都在为用户提供便捷的交互界面，另一方面像amazon echo这一类的智能家居产品也逐步进入千家万户，成为物联网生态的中心入口之一，这便是智能问答的价值所在。

那如何实现智能问答机器人呢我们先来看最基本的单轮问答机器人的实现原理。

熟悉搜索引擎的朋友会发现这个架构跟搜索引擎的很类似。单轮问答一般来说就是FAQ问答，是基于业务问答对组成的问答库进行检索匹配。其中FAQ问题集包含多个相似问法供用户问题去匹配。预处理阶段一般会进行文本纠错，标准化和底层NLP特征提取;召回阶段会在倒排索引中召回若干个候选问题(粗排)，而最后的匹配阶段会基于各种模型进行匹配打分并返回得分最高的结果(精排)。匹配阶段还会引入其他模块，如知识图谱和拒识模型，目的是辅助提升匹配的最终准确率。

retrieval中的匹配可以看做是naive solution，词袋+VSM, 筛选候选够用了，但是精排需要更精致的策略，第一，要利用监督信息做拟合，我们构建基于问题对的训练语料，拟合是否匹配这个二分类目标。第二，特征上抛弃稀疏的词袋模型，而是构造各种相似度来做base scorer，然后利用非线性的抗噪能力强的xgboost来做融合，比如我们用到词bigram, 字bigram, 核心词，名词等特征集合的相似度。这种方法的优缺点是一体的，由于模型只学习字面相似的特征，因此不受领域影响，通用性强，适合用在冷启动阶段;但也因为只考虑字面相似，无法处理更深层的语义匹配。

那如何度量语义的相似呢。词向量技术的兴起是语义匹配的前提，所谓词向量，是将孤立的传统的token表示映射到相互关联的向量空间中，这种关联性，或者说是相似性，是通过词语的上下文的来描述的。也就是说，上下文越相似的词语，他们的语义就越相似，词向量的欧式距离就越近。这是很容易理解的，更妙的是，通过对向量进行简单加减运算，能够呈现出概念的关系，比如king-man+woman的结果非常接近于queen, 因此说明词向量能够一定程度刻画语义。那对句子如何做向量表示呢一个简单的想法是直接求和平均，WMD是另一个比较有意思且有效的做法，他将计算句子到句子的相似度建模成一个运输的问题，把句子p的各个词，运输到q的各个词上，也可以说是变换;运输成本是词向量的cosine相似度，而要运输的是各个词在句子中的权重，用线性规划求解一个最优解，即为p到q的距离。另外还有个有效的方法是SIF，思路是做词向量加权求和，但是突显出句子中非通用的部分，即权重用词频倒数来计算权重，实验效果也很不错。

上面的方法有一个问题就是没有利用有监督信息，所以效果有明显的天花板。下面介绍这个工作是基于深层网络做有监督学习的匹配的，做法也比较简单，首先把句子文本用one-hot编码，假如词典大小是500K，那编码完长度就是500K维，其实等于是词袋模型，然后输入到一个多层的神经网络去学习，最终得到一个128维的向量作为句子的语义表示，然后用cosine计算两个句子与文档的相似度作为模型输出。这个方法其实是将高维稀疏的token特征映射到低维语义空间，跟词向量的思路很类似，只不过训练目标不同，并且这里使用了深层网络结构。

但是CNN对上下文的处理能力依赖于窗口大小，远距离就没办法处理了，因此要考虑另一种网络单元RNN，这种单元是专门为时序模型量身打造的，简单来说，每一时刻t上的隐藏状态，或者说第t个词上的语义编码，都由两个输入共同决定，即上一时刻的隐藏状态和当前时刻的原始输入，而为了解决远距离传递导致的梯度消失和梯度爆炸等问题，RNN有一些变种结构来应对，比如 LSTM和GRU等。

CNN和RNN都是对原始输入进行语义编码的基本单元，编码后的向量就可以接入多层感知机进行相似度计算，如果是直接计算cosine相似度，那就是dssm的升级版，而更常见的做法是把两个句子的编码向量拼接在一起，再经过一个多层感知机计算相似度，而这种方法统称为表达式建模;

另一种方案考虑到两个句子之间的交互信息对学习他们是否匹配显然更为重要，这一类方案被称为交互式建模，右边是一个典型的例子，他最大的不同是首先对两个句子的所有窗口组合进行拼接和卷积，得到交互信息。然后再进行多次卷积和池化得到表示。其他的交互方式还包括编码之后，进行交互 *** 作，如作差，点乘等，还有计算attention表示，也是常见的交互方式。

下面介绍我们的方案，跟上面介绍的模型相比，我们的方案主要做了两处改动，一个是使用了稠密连接的网络结构，让rnn层的输入和输出拼接在一起做为下一层的输入，第二个是混合注意力机制，即在计算attention向量进行交互式建模的基础上，增加self-attention向量计算，然后把两个attention向量经过门机制进行融合，这样做一方面引入了问句间的交互信息，同时又增强了对自身的表达建模。

上面的模型是比较复杂的模型，参数量有58M。在实际中应用中训练语料会严重不足，为了解决这个问题，我们引入了迁移学习的策略。首先第一种是多任务联合学习，比如在拟合两个问句是否匹配的同时，也对问句进行分类预测;另外还可以同时对匹配的问题对做seq2seq的翻译模型训练。这两个策略都证明能有效提升准确率。

而另一个思路更加直观，即引入其他领域的语料，所谓多语料迁移。Fine-tune即参数微调是其中一种做法，即先用通用语料训练网络，固定底层表达层的参数，然后再使用领域语料调整上层参数;另一种思路参考了对抗学习的思想，即引入一个新的任务“混淆分类器”去判别当前样本是来自源语料还是目标语料，通过在损失函数中增加反向的混淆分类损失项，让混淆分类器尽可能地无法区分样本的来源，从而保证共享了参数的表达网络能够学习到两部分语料中共性的部分。

以上的介绍都是为了完成一个基本的单轮对话机器人，而实际应用中，往往存在需要需要交互的场景，比如查询社保余额，就需要用户提供指定信息，如姓名，身份z号，手机号等。这种是所谓任务导向型机器人，而另一种，基于知识图谱的机器人也往往会涉及到多轮交互。这里简单介绍一下多轮对话机器人的架构，整体上是一个对话管理系统，总的来说是管理会话状态，包含4个模块，分别是输入部分：自然语言理解模块NLU，负责意图识别和抽取槽位实体，比如这里匹配到了意图是查询社保余额，抽取到了社保号1234。得到的意图和槽位值会送入到对话状态追踪模块，DST，他负责会话状态的更新，形式化来说是一个函数，输入是当前状态s和当前的query经过NLU处理过得到的意图和槽位值q, 输出新的状态s‘，下一步是把s’送入DPL，对话策略模块，这个模块是根据新的状态s‘输出行动a，通常这个决策选择会依赖于一个外部数据库或知识图谱，最后，由输出部分，自然语言生成模块NLG负责将行动转换为自然语言文本，返回给用户。

前面提到的单轮FAQ机器人，有一个问题是问答准确率依赖于问答库的质量，而问答库的构建耗时费力，所以针对数据较大的非结构化文档，如果可以直接从中抽取答案，是非常理想的做法。比如斯坦佛大学开源的drQA，就是基于wikipedia的语料做的一个开放域上的问答机器人，我们来看看这种阅读理解机器人的架构示意，他也是基于检索重排的思路，首先把可能的文段从语料库中摘取出来，然后送入阅读理解模型进行答案定位，打分，排序和选择得分最高的答案。阅读理解模型与匹配模型是类似的，需要先对问题和候选文段进行编码表示，不同之处在于最终预测的目标是答案的起始和结束位置。我所在的团队在去年，在阅读理解的权威公开测评Squad v1中取得过第一的成绩，同时参加这个测评的包括了google, facebook, 微软，阿里idst, 科大讯飞等国内外同行。说明业界对这种技术还是非常看重的。

下面分享小知在把以上技术落地产品化的经验。首先我们来看看小知的整体架构图，核心引擎有两部分，一块是上面重点阐述的深度语义匹配模型，另一块是本次分享没有展开的知识图谱引擎，在此之上，我们构建了FAQ机器人，多轮会话机器人(任务机器人)，闲聊机器人等。以下是我们单轮和多轮机器人的示例。

在我们实际的落地项目中，得益于深度迁移模型的语义匹配能力和行业知识图谱的的精准匹配和辅助追问，小知机器人能够做到95%左右的问答准确率，并且节省了50%以上的服务人力，切实为政府和企业提升效率和降低成本。

在智能客服的基础上，我们又打造了基于语音的电话机器人，力主融合智能客服，人工在线客服，工单系统和电话机器人，为客户打造从售前售中售后的整体解决方案。

以下是电话机器人的整体架构图，核心是自然语言理解NLU模块，负责识别用户提问意图

提取相关实体。根据NLU输出的结果，内置的对话管理引擎会进行流程状态流转和跟踪。

另外，ASR语音识别和TTS语音合成是不可或缺的重要服务，这三个模块相互协作，共同完成与用户的交互。

最后对智能问答的未来发展提几点我的看法。目前学术界比较公认的一个方向是，需要更有机地结合模型和规则，而在问答领域，规则的一大组成部分就是知识图谱，包括开放领域的知识图谱和专业领域知识图谱。而更进一步地，我们需要研究带有推理性质的事理型知识图谱去描述领域内的规则和知识，让机器人能够处理带有复杂条件的问题，提供更智能的回复。在我看来，智能问答的一个突破口就在于解决以上三个问题。以上就是今天分享的内容，谢谢大家。

主讲人介绍：

陈松坚，腾讯数据平台部算法高级研究员，有着8 年的 NLP 研发经验，2017 年加入腾讯 TEG 数据平台部，负责智能客服产品腾讯小知的算法规划和落地。负责过多个智能客服项目，对封闭领域的智能问答有丰富的实战经验。

---