智能计算的灵魂

下面我们介绍的这些技术都在试图做一件事，就是让我们的生活更美好。而技术背后的数据、算法和原理才是人类智力的真正体现。也是它们让可穿戴设备具有了灵魂。

我们所处的数字世界不再一味追逐计算设备拥有更快的速度、更小的体积以及更长的续航时间，让“技术更懂用户”成为这个行业新阶段的发展目标，我们正在迎来更智能的技术时代。新型可穿戴设备的潜能需要软件来激发。我们欣喜地看到诸如实时语音翻译、眼球翻页和Google Now数字助理这样的技术或产品已经初具雏形，相信在不久的明天，它们就将给很多人的数字生活带来又一次飞跃。本文将与大家分享我们接触过的一些新的问题解决思路和智能计算技术，以它们为代表的技术、算法和数据革命必将给未来的新形态计算设备注入新的灵魂。

健康测出来

走过的路谁知道

计算运动量使用的主要是电子计步器或者包含电子计步器模块的其他设备。计步器用的是震动传感器，感应人在步行或跑步时身体重心的变化情况。步行、跑步和骑自行车的震动频率是不同的，根据这种频率的变化，可穿戴设备能基本判断出用户正在从事什么活动，再将这种活动与卡路里消耗的模型相对应，即可得到当前用户热量消耗的大致幅度了。当然这种计算并不只使用震动频率这一种数据，时间、加速度等参数也会被考虑在内，甚至具有GPS的设备还要使用到卫星的数据以提高准确性。

睡眠质量探测

睡眠状态有深浅之分。目前的睡眠检测装置通过检测身体的细微运动，来确定我们所处的状态是清醒、浅度睡眠还是深度睡眠。各种所谓的智能手环都集成了专门的”体动记录仪（Actigraphy）”传感器来做这件事。真正实用的“睡眠质量检测”功能需要结合每个人设定的睡眠时间和环境数据等数据才能实现。在手环背后，睡眠算法需要根据用户翻身的频度、脉搏等信息进行综合计算，并对比以往收集的关于人类睡眠的数据特征，并最终得到当前用户的睡眠状况结论。

心情状态监测

心情可以被计算出来吗？是的，本期时尚科技中介绍的MoodScope项目就利用了一个心理学领域的研究成果，将用户离散的心情映射到二维模型（横轴为高兴程度，纵轴为活跃程度）中进行量化。MoodScope利用用户输入的心情数据与系统采集到的手机使用情况搭建一个机器学习的模型。在这个模型运行一段时间之后，MoodScope就能根据用户使用手机的情况计算出他们的心情指数，准确性可以超过90%。未来智能可穿戴设备也许可以根据用户的情绪进行更适宜的信息推送。

身份识别

Google Glass可拍下并识别面前人物的相关信息。而这其中关于身份识别的智能计算技术就显得十分必要。目前基于深度信息设备（如Kinect）的识别效率表现更好。借助深度信息，面部识别算法可以抽取人脸中层结构的特征，准确率可达85%左右；在衣服识别方面，深度信息可以帮助区分身体的部位，然后再抽取不同部分的颜色和纹理，通过算法降低色温变化带来的影响；在体型识别方面，将深度信息与俯仰角度信息结合，即可计算出人物的真实身高。这三种识别技术相互结合能够让身份识别的准确率更高。

看尿液了解婴儿健康状况

Pixie Scientific开发出的纸尿裤，可以判断婴儿的健康状况。其数据计算原理是，肾脏负责从血液中过滤特定的溶质进入尿液，而这些有用的溶质数据，以及尿布上的细菌活动迹象实际可以反应让孩子的健康状况。该公司将尿液化学的成分与病症的相关数据对应起来并建立数学模型进行分析，以此做出初步的健康诊断。它们将这些数据导入到App中，之后特殊的尿液测试条会根据尿液化学成分的变化显示不同的颜色。手机将拍摄好的尿布上的彩色二维码与App中的健康数据对应起来，即可实现对婴儿健康状态的监控。

效率算出来

人物关系搜索

人立方关系搜索从超过十亿的中文网页中自动地抽取出人名、地名、机构名以及中文短语，并且自动计算出它们之间可能存在的关系。此外，人立方关系搜索还能自动找出人名之间最可能的关系描述词、与人名最可能相关的称呼、作品等词条。目前借助这种算法实现的应用有两种。一种是输入人名获得“人物关系图”。另一种是在“六度搜索”中输入两个人的名字，找出它们之间怎么能够联系起来。例如CHIP编辑与奥巴马之间通过哪些人可以联系起来。而未来它将可以帮助智能可穿戴设备建立我们联系人之间的关系。

Siri语音助理

与几年前的语音助理相比，它聪明多了。它可以把听到的话发送到网络服务器上进行识别，根据用户的声调和语序，服务器会将用户的语音和一个统计模型进行静态对比，了解语音中包含哪些字母。与此同时，本地的语音识别器也会把语音与统计模型的删减版进行静态对比。在服务器端和手机端，可能性最高的识别内容将优先获得处理。这些内容将被发送至一个语言模块，以评估用户的语音中究竟包含哪些单词。在足够的置信水平下，电脑将根据用户最有可能的语音命令整理出一个候选列表，并陈列出来。最终反映出来的效果就是Siri听懂了我们在说什么。

Google Now

GoogleNow是一个类似Siri的技术，它也是建立在机器学习之上的，它使用了大量Google在搜索引擎方面的技术和数据，并针对语音识别进行了算法完善。GoogleNow在进行语音识别时还会提取从用户智能手机获取的数据，这些新鲜的信息，再加上Google通过网页搜索及电子邮件信息搜集获得的关于手机所有者的个人生活习惯等信息。通过综合计算能够获得更好的语音识别效果。在接受采访时，负责Google搜索的副总裁对CHIP说过，他们的目标是让用户在搜索之前就获得答案。听起来很天马行空，但Google Now已经开始让人看到了雏形。快下班的时候打开Google Now，它会提醒我们路况和回家需要多长时间。用户则不需要输入任何信息。当然，前提是我们开放足够多的数据给Google，比如搜索记录、位置等。

怀孕时机算出来

基础体温和宫颈粘液是推算排卵期的两种重要方式。不同于普通体温计，基础体温计能够显示提问的细微变化。正想怀孕的用户需要连续几个月记录自己的基础体温，了解自己生理周期的变化规律，并结合宫颈粘液的变化预测排卵期。PayPal创始人准备推出一款名为Glow的App，帮助女性用户通过输入自己的个人数据来分子受孕的最佳时机。据创始人介绍，随着用户输入的更多的体温、经期等数据，Glow会逐渐挑战，并在最佳时间来临时通知用户和其配偶。这也是基于人体化学信息变化进行计算的系统雏形，随着未来可穿戴设备获得的化学信息越来越多，这种计算模型也会得到更大的发展。

软件无线技术

智能可穿戴设备要不断提高性能和缩小体积。不过在硬件无法短时间提升的情况下，优化软件算法同样可以起到提升智能可穿戴设备性能的目的。如软件无线技术的核心思想就是使用软件技术来模拟无线通信协议标准，也就是尽可能地使用通用处理器，如我们电脑或手机中的CPU来进行网络信号的处理和计算，而不再使用无线网卡上的硬件芯片进行计算。该技术能够帮助我们更灵活地利用现在的无线频段资源，如果我们此时网络的应用仅仅是语音通话，那么所需要的带宽可能仅仅是300Kb/s，此时大量的频段资源会被浪费。而软件无线技术则可以根据应用的实际需要灵活地调整数据带宽，提高资源利用率。

数字生活酷起来

实时语音翻译

这种技术就是在抢同声传译人员的饭碗。说的远一点，它能打破语言障碍，解放那些中文还没怎么弄懂就开始被外语折磨的大、中、小伙伴们。实时语音翻译的过程是这样的，首先利用语音识别技术听懂对方说了什么，然后把他说的话翻译为本国文字，这里的文字翻译主要应用了搜索的大数据模型，使用互联网上的已知两种语言的翻译对照作为基本模型，并使用机器学习的方法对算法进行优化。翻译完成后在让机器模拟人声读出来。总之，对方说的是英语，我们听到的是中文。微软多次展示过该技术，如果口齿清楚一点，讲得慢一点，内容别太深奥，给人的感觉还是挺震撼的。

眼球翻页终会来

三星Galaxy S4宣传的眼球翻页功能大部分用户很难“重现”，但我们不该对眼球跟踪技术失去信心。目前主流的眼球跟踪技术原理是向用户发出不可见的红外线，然后利用内置的两个摄像头捕获眼球的闪烁和视网膜的反射光线。将这些光线转换成位移数据，并进行一定的校准，即可翻译成类似鼠标指针的坐标信息，或许用眼神完全代替鼠标还不现实，但实现一些辅助功能还是非常有可能的。例如，当我们阅读到屏幕中最后一行文字时，电脑或手机可以自动滚动或翻页，以显示后面的内容。

文本可视分析

如果高效地分析海量文本信息在业界是一道难题。来自微软亚洲研究院的TextFlow项目在破解这个难题方面提出了新的思路，他们将文本挖掘技术与可视化交互技术结合在一起，不仅突破了传统静态文本挖掘技术的限制，而且能让人利用直观的流式图形迅速把握海量信息的发展脉络。

TextFlow项目的工作流程是：首先进行海量文本搜集，然后进行主题、关键事件和关键词的挖掘，最后使用主题流、图形符号和线条进行主题可视化分析。

HERE城市万花筒

诺基亚的HERE城市万花筒允许用户拍下周围的景物后，即可识别出当前位置和面对的方向，然后它会在屏幕上显示商店、餐馆及用户可能感兴趣的地点。这是一个典型的智能大数据应用的例子。诺基亚开发出了一种数据分析架构，能够收集和处理来自现实和网络世界中的各种地理位置数据，其中包括每月近170亿个兴趣点和1.41亿次路线请求，将这些海量数据消化后，即可汇总出有实际参考价值的信息。HERE可以智能地根据人们的搜索查询，分析出人们的流向，并实时对其监测。

会拍照就会3D建模

微软的开发人员准备让每个人都能体验到3D建模的乐趣。它采用的方法是手机拍照——围绕需要建模的人或物体转一圈，拍摄该物体多个角度的照片（大概需要40张），系统就能根据拍摄得来的照片制作出3D模型。这种技术利用二维照片中的光线变化计算出了三维模型。只可惜从该技术的公开到现在已过去几年，微软还是没有一个人人可用的App给用户体验。