对话艾拉物联AI研发团队，揭下AI无主灯的神秘面纱
近来AI无主灯火遍家居建材圈。但这个技术实现究竟难不难？实现的必要条件有哪些？它可以借助外部力量来实现吗……
?
接下来，我们用六个问题，触及AI无主灯关键落地难题，和艾拉物联AI研发团队，一起揭下AI无主灯的神秘面纱！
问：AI的主动式和规则的主动式，有啥差别？
?
艾拉物联F3：AI驱动的主动式，跟规则引擎下的主动式是不一样的，但是它俩又是不能分割的，客观的来说，它们分属于两大端。
?
现在市场上所谓的AI，其实大多数都是规则引擎，它只是写好一段代码规则，比如某些东西按什么样的规则去联动这种规则。
?
AI引擎呢，一定是基于用户、设备，或者家里面这些整体的环境，根据这些数据，去做数据的分析。然后能够不断地学习，像围棋阿尔法狗一样，不断的学习每一盘棋，对于智能家居来说，它也是这种学习，它要不断的去学习用户的习惯，去优化主动触发的模型。
?
问：你了解过行业内相关的大数据平台吗？它们可以为这些智能家居品牌提供数据服务吗？
?
艾拉物联F2：我们看过一些号称是做物联网大数据的平台，但应该是偏向于分析端的，它也不涉及到机器学习。
?
你打开它们的平台介绍，也看不出来到底是针对哪些场景的，也没有真正的能够落地的应用，整个感觉是非常虚的。
?
一般做大数据公司的产品形态是什么，我举几个其他行业的例子，
?
比如说是做新媒体行业大数据的，他是怎么做的？
?
它在这些媒体矩阵里面，收集用户、客户或者行业相关的一些数据，做了详细的一个分析。这些数据分析结果以报表式的、图表化的，或者是可以按不同维度去分类的标签化的这种方式去展示给客户，他们提供给客户的，其实是一个SaaS平台。
?
数据分析会有几个环节。
?
第一个环节是数据收集，比如说它要有不同的监控账号，在不同的新媒体矩阵平台里面去监控。
?
第二个叫数据清洗。因为我们收集过来的数据是非常杂乱的，它要把这个数据清洗一下，变得结构化，使得这个数据能够正常的进行分析，不然这数据太乱了，根本没法去用。
?
第三个叫数据标记，目前有专门的企业在做这一块儿。简单理解，就像是给某类数据打标签，比如，我们建一个模型，就是来识别图片上有没有猫，那么标记公司就要去用人工或者其他的各种手段，给收集来的图片，一一打上标记，有猫就标记有猫。
?
再下一步，就是分析。我们把各种结构化的数据、已经标记好的数据，进行各种算法的分析。
?
第五步是把分析结果进行一个总结。最后是对分析结果进行数据化的展示。
?
这些环节缺一步都不可以，所以说做大数据的公司，真正要做到这几点，还是不容易的。
?
而且做到之后，很多大数据公司面临一个问题就是商业化，有的是把这种数据直接卖给某个B端，让客户自己去分析。
?
也有把这些数据平台做成一个SaaS，专门面向B端客户收费。
?
像新媒体大数据公司，它就有两种类型的SaaS，第一种是为做内容营销的企业提供数据分析的SaaS，比如说，买一个年费，他们给你一个账号，你可以随时去看上面的数据和数据分析的结果。第二种是做内容数据资产管理，他们帮你来管理公司的数据资产。
?
大数据分析的时候，会用到各种各样的算法模型，有高级的、普通的，也有简单的、复杂的，我们在无主灯里也会用到一些，比如关联算法，用户家里的气温变化和它的灯光变化之间有没有关联；用户所在时区的光照强度和灯光之间的关联；用户家庭空间的光通量和灯光之间的关联等等。
?
问：现在声称做AI无主灯的品牌很多，看起来实现难度也不是很高，您怎么看？
?
艾拉物联F1：现在很多品牌的无主灯，只是做到了有非常丰富的灯具，这些灯具支持去配置一个非常自然健康的光，但是光有好多参数，包括光通量，光照强度，显色指数等等，这些参数在各个用户家里面的表现是不一样的。
?
举个例子，用户家里面朝向是不一样的，甚至每个房间的朝向都不一样，有些朝南的，有些朝北的；
?
有些它用的是落地窗，室外光照比较好，而有些是比较封闭的，光照很差；
?
还有的用户，家里装修的表面比较光滑，是有镜面反射的，有些是比较粗糙的，光照下肯定会有慢反射；
?
有些装修的风格是偏暗色的，它比较容易吸收光，有些可能是比较明亮的，光看起来也会比较稳定；
?
每个家庭层高也不一样，灯具安装的高度也不一样，光打下来的表现也是不一样的，比如说，几盏灯同时打过来，高度如果设置好了，光线就比较舒适一些，有些没设置好的，就可能会看到桌面有重影，在读书写字的时候，非常不舒服。
?
这种不同环境和不同环境下的不同照明参数，想要和用户的家庭空间完美的匹配，就需要设计，它里面涉及到光涂料的模型算法，光照效果的模型算法等等。
?
所以想要用AI无主灯主动式的匹配，就需要去抓设计师根据不同空间、环境模拟的各种各样的场景参数和灯光参数。
?
问：这些数据从哪里来？会不会涉及到用户的隐私？
?
艾拉物联F4：我们现在和一些设计师有一些合作，我们把渠道的订单交给他们去设计，他们为用户设计的方案会进入我们的大数据仓。另外，我们也和一些专门做这类数据的平台合作。
?
因为这些数据本来就是设计师模拟的一些场景的数据，不属于个人隐私，它不存在风险。
?
另外，我们平台本身在数据安全上已经是国际领先的水平，外部因素导致的数据外泄发生的几率也极低，至少艾拉成立12年，还没有发生过一次数据安全事故。
?
问：如果说一家纯做硬件的公司，需要哪些能力能够做到这个事情？
?
艾拉物联F1：首先，要有数据收集的能力，包括所有的灯具数据，所有的室内空间数据以及家庭所在环境、时区、气候的数据，还有用户本身的行为习惯数据，而且这些数据要结构化的管理。其次，收集之后，要有大数据的分析能力。
?
然后是机器学习的能力。比如说我们想给用户去做一些主动式触发的功能，像生物节律这样的东西，你要有建立数据模型的能力，也就是所谓学习用户习惯的能力，这些能力最后要和用户进行交互。
?
问：现在市面上有没有很成熟的外包公司直接帮他们做技术服务的？
?
艾拉物联F2：肯定没有。目前艾拉已经做了快2年，都算不上非常成熟，只能说还在不断学习和摸索。
?
因为这些数据收集只能是每个厂家自己做，收集完的数据，目前也没有哪家大数据公司去帮我们做处理、分析，以及机器训练。
?
这个原因也很简单，因为专业领域不同，数据类型不同，它所需要的数据模型和算法类型也不同。
?
比如说，市场上有专门做金融风控模型的大数据公司有，也有我刚才举例的专注于新媒体的数据公司。
?
有可能，未来会出现一些专注于智能家居的大数据公司，甚至只专注于灯光，既能帮助智能家居厂家来处理这些数据，也能够帮助他们做机器训练。
?
不过，这些模型也不是标准化的，也会根据不同品牌厂家的想法，做不同的调整。
?
结语
?
艾拉物联的AI研发团队，已经持续攻坚了近三年，目前可以说是业内唯一专注于智能家居AI算法和机器学习的品牌，虽然刚刚起步，但已经有部分应用落地在AI无主灯上。随着艾拉物联AI无主灯技术和应用的成熟，未来也会逐步开放给外部企业，最终实现技术共享、成果共享，一起在AI领域创造出更有价值的场景和服务。
