闫锐：AI还在摸着石头过河阶段，自主研发才能占领高地

下班回家时，空调已经提前自动开启，屋内温度适宜；准备做饭取食材时，冰箱通过大屏幕主动提醒有食物将过保质期，并提示是否要加购即将用完的食材；睡前洗浴时，电热水器已经烧好了水，并自动设定为主人习惯的水温……随着人工智能（AI）在家电产业的应用逐渐落地，智能化的家电应用场景在未来或许不再是畅想。“但是目前，AI在家电领域的研究还处于初期阶段，未来还有很长的路要走。”2019年10月26日，在接受《电器》记者采访时，美的集团中央研究院深圳人工智能研究所智能分析研究工程师闫锐表示，美的也在摸着石头过河中，但目前已有成果落地。

美的集团中央研究院深圳人工智能研究所智能分析研究工程师闫锐

允许试错

美的集团人工智能研究所成立于2015年，专注于人工智能技术的先行研发，主要职责是为美的产品提供完整的人工智能解决方案，研究内容包括机器视觉、自然语言处理与数据科学等。

研究方向和自己所学专业非常契合，是闫锐选择进入美的工作的重要原因。2017年，也是美的开启库卡并购的第二年，闫锐从澳大利亚学成回国。“我博士期间的研究方向是基于数据科学的大型暖通空调运行分析。中央空调是美的重要业务之一，在收购库卡后，智能制造和智能家电的战略方向更加清晰。因此，我认为，在这里工作，会有很大的发挥空间。”

闫锐主要从事数据分析的工作，此前他的工作主要是研究AI在电商平台的应用，随着该项目逐渐落地，他也开始参与AI在家用空调和中央空调以及智能制造的应用。

当前视觉、语音和数据在家电上的应用程度略有区别。据闫锐介绍，当前视觉分析和语音在家电上的应用相对较多。“视觉识别时，目标会比较明确，例如冰箱中识别果蔬，电烤箱里识别待烹饪食材。但是，数据分析的模糊性比较大。比如，预测用户的温度偏好，其实用户都不一定清楚自己到底喜欢24℃还是26℃，或者当下喜欢24℃，另一个时间段更喜欢26℃。因此，这在研究上难度更大。”

人工智能属于很前沿的技术，在家电行业的应用还在不断探索，因此闫锐把自己的工作比喻为“摸着石头过河”。摸着石头过河，每一步都充满了太多可能性。“值得庆幸的是，美的中央研究院给了我们足够的空间，允许我们试错。在这样的研究环境下，更容易让每个技术人员的特长和优势得到充分施展。”闫锐表示，“对于AI，整个家电行业都还在起跑线处徘徊，寻找正确的跑道，如果一直做保守性研究，不敢踏出第一步，那么永远不会领先。”

在闫锐看来，在对前沿技术的研究与应用过程中，出现失败很正常，但是失败后的总结非常重要。“对于失败，我们都会总结问题根源在哪里，避免下次再出现同样的问题。”闫锐表示，经过初期的试错与总结，他们已经走上了正确的跑道。

AI赋能下的家电，更加智能化、标准化和自动化。闫锐指出，随着AI在家电的应用逐渐深入，用户可以通过最简洁的方式操作家电，甚至不用操作就能带来最好的体验。“过去所说的智能家电，很多是通过APP控制，其实这也需要比较繁琐的交互，不够智能。”闫锐表示，“真正的智能家电，是不需要用户操控，就可以让生活变得如你所想，你甚至会忘记它的存在。”

AI让空调更自动化

通过数据分析，对家用空调和中央空调进行智能控制，是闫锐当下的一个重要的研究方向。他表示，研究过程会采集大量用户数据，并对其进行分析，以此预测用户偏好的空调开启时间和温度，并主动控制这些参数，提升舒适性。

在家用空调的研究中，用户习惯的模糊性为数据建模带来了不小难度。闫锐举例说：“例如，一些用户夜间调高空调温度，是为了节能而不是舒适。因此，我们需要先分析出用户是否属于节能型，再对夜晚睡眠模式的自动控制进行调整。同时，一台空调常常是多个用户共同使用，使用模式不固定，此时首先要通过操作模式分辨出当下使用的用户是谁，才能更精准地根据操作者的喜好对空调进行自动控制。”

面对用户习惯的模糊性，闫锐和团队开始寻找合适的算法，并参考已有的算法进行用户分类。但是，什么算法合适，不同算法下的用户如何分类，分成几类更合适，都需要闫锐和团队进行分析。“我们不开发算法，但是我们要知道众多算法中哪种更适合，每种算法下的分类方法更好，就需要对每种算法进行大量测试，最终找到合适的解决方案。”

经过数次的测试和分析后，AI在空调上的应用即将落地。据闫锐介绍，目前该功能的前期调试已经基本完成，处于用户体验阶段，很快就能迎来正式上市。

针对中央空调这一“耗能大户”，闫锐及其团队希望通过AI的加持，让它在保证最佳舒适性的同时，降低能耗。闫锐和团队将智能化中央空调的第一个目标放在了美的集团总部大楼。

“与家用空调类似，根据用户使用习惯自动控制空调，也是重要的研究方向。例如，美的集团总部早上8：30上班，为了让员工到办公室时就能感受到理想温度，会提前1小时甚至更长时间进行人工开机。由于写字楼空间比较大，降温所需要的时间比较久，一般管理员都会提前更多的时间开机，这会导致能耗提高。”据闫锐介绍，他们团队的目标是能通过AI赋能，让中央空调每日能自动计算出精准的开机时间，节约能源，并实现自动运行。

相比家用空调，中央空调系统更为复杂。为了能更全面地了解美的集团总部大楼暖通空调的运行特点，闫锐和团队每日会接收到1万多个传感器回传的数据。由于数据量非常大，数据挖掘和分析的过程就比较久。“我们研究时间的七成是用于采集和分析数据。目前我们还在做比较基础的研究，例如提前开机时间的预测。接下来，我们还要对运行继续进行优化，通过运行数据对中央空调进行错误诊断。”闫锐表示，中央空调是一个很庞大的系统，有时个别部件出现问题不易发现，但会对能耗有比较大的影响。因此，他们希望可以通过运行数据的变化，及时发现问题并解决。除此之外，闫锐还希望最终可以将该技术模块化，在其他建筑中复用。“这样才可以更大地发挥该技术的价值。”他说。

不止于家电产品

AI在家电上的应用比较广泛，不仅局限于产品。闫锐前段时间就研究了如何利用AI对电商客服进行优化。在电商平台，客服每日会与许多用户进行沟通。闫锐表示，客服流动性比较大，培训有时还不太完善，因此用户获取的信息会有出错的可能。“因此，我们猜测，如果给客服配一个AI助手，是不是就可以解决这些问题。”经过无数次的测试和计算，这个助手成功研发出来。“目前，AI助手会根据用户的对话分析出他的消费水平和喜好，并提示客服推荐合适的产品；也会通过用户提出的问题，主动帮助客服搜索答案。”闫锐表示，AI助手的助力，既可以最快地解决用户问题，还能提高客服回答的质量。

在解决了电商平台的问题后，闫锐和团队又将研究重心倾向了家电产业链中的另外一环——售后服务。在当前售后服务中，都包含维修需求，需要派出工程师。当维修量大于工程师数量时，往往会耽误维修时间，降低用户体验。为此，闫锐希望通过数据建模，预测未来的维修工单量，然后保障工程师的调派。闫锐遗憾地说：“不过由于维修工单中，涉及一些比较敏感的数据，在数据采集上并不是非常顺利，对于预测算法来说，数据不够丰富，就无法达到良好的预测效果。目前团队仍在对该系统进行不断完善。”

另外，在制造环节，闫锐也通过数据挖掘有所作为。以空调压缩机生产制造为例，他说：“空调压缩机生产线每天的产量有一定的波动，但有时产线管理员并不知道是什么原因造成的。通过采集生产线的数据进行分析，研究哪些因素会造成比较大的波动，找出这些因素对产量的影响。”他表示，在找出因素后，就可以很快地解决问题，减少波动性，不仅可以提高制造品质，还能保障每日实现最高产量。

不难看出，当前闫锐的研究多是针对某一个特定的场景。对此，他表示，当前家电企业在AI领域的研究与应用还在不断探索，因此他们需要先填补前期技术空白，然后再做更加具有前瞻性的研究。“接下来，我们会把我们的研究做成模块化、平台化，让它适用于更多的场景。之后，我们就会进行更核心、前瞻的AI技术研究。”

AI技术的变化日新月异，很有可能花费数月研发出来的技术，已经不适应当下的AI发展趋势，因此对新兴事物的敏感性非常重要。“这就要求我们对新事物、新技术具有足够的敏感度，并且能有主动学习的能力。不仅如此，学会取舍也很重要，如果正在研究的技术一旦不符合发展趋势，要果断终止。”闫锐表示，在AI研究的路上，一定要坚持自主研发，才有可能真正走到队伍的最前方。