专题中喝补算袭学含通沁第17卷第2期2021年2月 泛在情境智能 特邀编辑：谢磊'谢 幸2 1南京大学 关键词：普适计算人工智能 2微软亚洲研究院 自1991年马克·维瑟(Mark Weiser)提出“普 去粗存精”。 适计算”(Ubiquitous Computing)的思想以来，至 2.感知目标更具“情境化”：普适计算的感知 今已有30年。普适计算的根本任务是通过对周围 目标已经从人、机、物的简单属性（如目标位置、 环境进行充分感知和计算，依赖“自然”的交互 移动轨迹等)，转变为更为“情境化”的特征和因 方式，实现和环境融为一体的计算。在普适计算素，其中包括对人体行为和生命体征的细致刻画， 的模式下，人们可以在任何时间、任何地点，以对用户的消费行为画像，甚至是对城市情境（如 任何方式进行信息的获取与处理，使计算机本身交通流量等)的智能推演。通过对动态演进、隐 从人们的视线里消失。目前，普适计算的理念已 式存在的情境特征进行提取，我们可以对与人和 深度融合到人类生活的方方面面，也融合到计算城市等相关的复杂情境进行感知和推理，实现“由 机学科的多个领域，包括物联网、无线网络、边表及里、由此及彼”。 缘计算、智慧城市等。 3.感知手段更具“智能化”：普适计算的感 近年来，人工智能取得了突飞猛进的发展，知手段已经从朴素的基于数据驱动和建模的方式， 这给普适计算领域带来了新的机遇与挑战。一方向“认知智能”和“群体智能”方向演变：在“能 面，人工智能通过深度神经网络等模型为普适计听会说、能看会认”的“感知智能”的基础上，“能 算“赋能”，提供更强的感知和推理能力：另一方面，理解、会思考”的“认知智能”能够进一步提升 普适计算为人工智能提供了更为“普适”的应用推理和演化能力；在个体智能的基础上，基于群 场景，使得人工智能算法能够在微小化的设备上体间协作计算与增强学习的“群体智能”能够有效 大展宏图。具体来说，当前的普适计算呈现出如借助群体互补协作的优势实现增强智能。 下发展趋势。 从感知渠道、感知目标和感知手段的技术发 1.感知渠道更具“泛在化”：普适计算的感展规律来看，未来的普适计算将体现出“泛在化” 知渠道已经从依赖传统单一模态的传感器（如视“情境化”和“智能化”的客观趋势，促成“泛在 觉传感器、声音传感器等)感知周围环境，转变情境智能”这一新兴的研究热点。本期专题我们 为依赖更为“泛在化”的无线信号（如Wi-Fi、围绕“泛在情境智能”这一主题，邀请该领域中 RFID信号等)和手机ApPs的交互信息，从更多从事前沿研究的5个知名团队的学者们撰稿，着 维度实现对人体和用户行为等的感知。借助更为重讨论如何借助人工智能的最新进展帮助普适计 泛在的信号和交互信息，我们可以随时随地对感算应用提高对情境的感知能力，从而深度理解用 知对象进行特征收集和推理演化，实现“去伪存真、户，为用户提供更加个性化和便利的服务。 8
8 专题 第 17 卷 第 2 期 2021 年 2 月 泛在情境智能 自 1991 年马克·维瑟（Mark Weiser）提出“普 适计算”（Ubiquitous Computing）的思想以来，至 今已有 30 年。普适计算的根本任务是通过对周围 环境进行充分感知和计算，依赖“自然”的交互 方式，实现和环境融为一体的计算。在普适计算 的模式下，人们可以在任何时间、任何地点，以 任何方式进行信息的获取与处理，使计算机本身 从人们的视线里消失。目前，普适计算的理念已 深度融合到人类生活的方方面面，也融合到计算 机学科的多个领域，包括物联网、无线网络、边 缘计算、智慧城市等。 近年来，人工智能取得了突飞猛进的发展， 这给普适计算领域带来了新的机遇与挑战。一方 面，人工智能通过深度神经网络等模型为普适计 算“赋能”，提供更强的感知和推理能力；另一方面， 普适计算为人工智能提供了更为“普适”的应用 场景，使得人工智能算法能够在微小化的设备上 大展宏图。具体来说，当前的普适计算呈现出如 下发展趋势。 1. 感知渠道更具“泛在化”：普适计算的感 知渠道已经从依赖传统单一模态的传感器（如视 觉传感器、声音传感器等）感知周围环境，转变 为依赖更为“泛在化”的无线信号（如 Wi-Fi、 RFID 信号等）和手机 Apps 的交互信息，从更多 维度实现对人体和用户行为等的感知。借助更为 泛在的信号和交互信息，我们可以随时随地对感 知对象进行特征收集和推理演化，实现“去伪存真、 去粗存精”。 2. 感知目标更具“情境化”：普适计算的感知 目标已经从人、机、物的简单属性（如目标位置、 移动轨迹等），转变为更为“情境化”的特征和因 素，其中包括对人体行为和生命体征的细致刻画， 对用户的消费行为画像，甚至是对城市情境（如 交通流量等）的智能推演。通过对动态演进、隐 式存在的情境特征进行提取，我们可以对与人和 城市等相关的复杂情境进行感知和推理，实现“由 表及里、由此及彼”。 3. 感知手段更具“智能化”：普适计算的感 知手段已经从朴素的基于数据驱动和建模的方式， 向“认知智能”和“群体智能”方向演变：在“能 听会说、能看会认”的“感知智能”的基础上，“能 理解、会思考”的“认知智能”能够进一步提升 推理和演化能力 ；在个体智能的基础上，基于群 体间协作计算与增强学习的“群体智能”能够有效 借助群体互补协作的优势实现增强智能。 从感知渠道、感知目标和感知手段的技术发 展规律来看，未来的普适计算将体现出“泛在化”、 “情境化”和“智能化”的客观趋势，促成“泛在 情境智能”这一新兴的研究热点。本期专题我们 围绕“泛在情境智能”这一主题，邀请该领域中 从事前沿研究的 5 个知名团队的学者们撰稿，着 重讨论如何借助人工智能的最新进展帮助普适计 算应用提高对情境的感知能力，从而深度理解用 户，为用户提供更加个性化和便利的服务。 关键词 ：普适计算 人工智能 特邀编辑：谢 磊 1 谢 幸 2 1 南京大学 2 微软亚洲研究院
中阁补算将学會通沁第17卷第2期2021年2月 北京大学教授张大庆、南京大学教授谢磊、和优势，阐述了实现人机物融合的群智计算所面 浙江大学教授潘纲撰写的三篇文章分别介绍了借 临的技术挑战，并对其典型应用和未来发展进行 助环境Wi-Fi信号、RFID信号以及智能手机Apps 了展望。《基于认知计算的城市情景推演与智能决 的信息来感知和深度理解人在物理世界与数字世策》一文以“城市情境感知”为切入点，瞄准认 界里的行为，通过最新的机器学习技术为用户画知智能前沿，围绕城市数据不可靠、城市知识不 像，从而为后续的普适计算应用提供扎实的基础。完备和认知推演不鲁棒三个问题，探索复杂城市 其中，《Wⅵ-Fi无接触感知系统中的位置依赖性问环境下基于认知计算的城市情境智能推演的新理 题：理论与探索》一文从W-Fi无接触感知的“位论和新方法。这两篇文章分别从“群体智能”和 置依赖性问题”入手，从感知机理上进行建模，“认知智能”两个角度出发，阐述了感知手段在“智 揭示位置依赖性问题的本质及其在不同粒度活动能化”方向发展的有效途径。 上的差异，并从理论、方法和实践的角度对相关 上述5篇文章围绕“泛在情境智能”主题， 研究提供理论指导。《从“识别”到“感知”：基 从感知渠道“泛在化”、感知目标“情境化”、感知 于RFID的可标记无源感知》一文从RFID无源感手段“智能化”三个层面出发，分别从不同角度 知的“可标记性”出发，阐述了RFID由“识别”阐述了“泛在情境智能”所涉及的在不同层面的 功能到“感知”功能蜕变的基本机理，并从绑定科学问题、技术挑战、解决思路和相关机理。5篇 式感知、非绑定式感知以及混合式感知三种手段文章的内容相辅相成，又各有特色，期望对从事 入手，系统地介绍了RFID无源感知的机理、方法 相关领域的同行们在理论、技术和实践方面的工 及代表性成果。《利用智能手机ApPs的用户画像》 作中有所启发。 ■ 一文从智能手机Apps传递的丰富的个性化信息出 发，介绍了将其作为用户画像的一种新的信息渠 道。该文描述了可用于刻画用户特性的Apps信息， 谢磊 CCF高级会员。南京大学计算机科学与 分析了通过Apps信息刻画出来的用户属性，归纳 技术系教授、博导。教育部青年长江学者。 了利用手机ApPs进行用户画像的方法和应用，并 CCF普适计算专委秘书长。主要研究方 向为普适计算、智能感知计算。 在此基础上，讨论了目前存在的挑战以及未来的 lxie@nju.edu.cn 研究方向。上述三篇文章分别从三个角度揭示了 普适计算应用中感知渠道的“泛在性”，并进一步 以人体活动和用户画像为感知目标，阐述了感知 谢幸 CCF会士，CCF普适计算专委副主任， 目标“情境化”的具体特征。 CCCF前编委。微软亚洲研究院首席研究 西北工业大学教授郭斌、清华大学副教授李 员。主要研究方向为空间数据挖掘、基 于位置的服务、社交网络和普造计算等。 勇则分别从群智计算和智慧城市这两个普适计算 xingx @microsoft.com 的典型应用出发，介绍了其中的问题与挑战，以 及如何利用最新的人工智能技术和感知技术来进 行应对。《人机物融合群智计算》一文提出，新一 (本期专题责任编委：陈宝权) 代群智感知计算的主要特点是从“传统的以人为 中心的群智感知”拓展深化为“人-机-物异构 群智融合计算”，以及从单纯的群体感知数据收集 提升为人机物群智融合的协作计算与增强学习。 该文章分析了人机物融合群智计算的概念、特质 9
9 第 17 卷 第 2 期 2021 年 2 月 北京大学教授张大庆、南京大学教授谢磊、 浙江大学教授潘纲撰写的三篇文章分别介绍了借 助环境 Wi-Fi 信号、RFID 信号以及智能手机 Apps 的信息来感知和深度理解人在物理世界与数字世 界里的行为，通过最新的机器学习技术为用户画 像，从而为后续的普适计算应用提供扎实的基础。 其中，《Wi-Fi 无接触感知系统中的位置依赖性问 题 ：理论与探索》一文从 Wi-Fi 无接触感知的“位 置依赖性问题”入手，从感知机理上进行建模， 揭示位置依赖性问题的本质及其在不同粒度活动 上的差异，并从理论、方法和实践的角度对相关 研究提供理论指导。《从“识别”到“感知”：基 于 RFID 的可标记无源感知》一文从 RFID 无源感 知的“可标记性”出发，阐述了 RFID 由“识别” 功能到“感知”功能蜕变的基本机理，并从绑定 式感知、非绑定式感知以及混合式感知三种手段 入手，系统地介绍了 RFID 无源感知的机理、方法 及代表性成果。《利用智能手机 Apps 的用户画像》 一文从智能手机 Apps 传递的丰富的个性化信息出 发，介绍了将其作为用户画像的一种新的信息渠 道。该文描述了可用于刻画用户特性的 Apps 信息， 分析了通过 Apps 信息刻画出来的用户属性，归纳 了利用手机 Apps 进行用户画像的方法和应用，并 在此基础上，讨论了目前存在的挑战以及未来的 研究方向。上述三篇文章分别从三个角度揭示了 普适计算应用中感知渠道的“泛在性”，并进一步 以人体活动和用户画像为感知目标，阐述了感知 目标“情境化”的具体特征。 西北工业大学教授郭斌、清华大学副教授李 勇则分别从群智计算和智慧城市这两个普适计算 的典型应用出发，介绍了其中的问题与挑战，以 及如何利用最新的人工智能技术和感知技术来进 行应对。《人机物融合群智计算》一文提出，新一 代群智感知计算的主要特点是从“传统的以人为 中心的群智感知”拓展深化为“人 - 机 - 物异构 群智融合计算”，以及从单纯的群体感知数据收集 提升为人机物群智融合的协作计算与增强学习。 该文章分析了人机物融合群智计算的概念、特质 和优势，阐述了实现人机物融合的群智计算所面 临的技术挑战，并对其典型应用和未来发展进行 了展望。《基于认知计算的城市情景推演与智能决 策》一文以“城市情境感知”为切入点，瞄准认 知智能前沿，围绕城市数据不可靠、城市知识不 完备和认知推演不鲁棒三个问题，探索复杂城市 环境下基于认知计算的城市情境智能推演的新理 论和新方法。这两篇文章分别从“群体智能”和 “认知智能”两个角度出发，阐述了感知手段在“智 能化”方向发展的有效途径。 上述 5 篇文章围绕“泛在情境智能”主题， 从感知渠道“泛在化”、感知目标“情境化”、感知 手段“智能化”三个层面出发，分别从不同角度 阐述了“泛在情境智能”所涉及的在不同层面的 科学问题、技术挑战、解决思路和相关机理。5 篇 文章的内容相辅相成，又各有特色，期望对从事 相关领域的同行们在理论、技术和实践方面的工 作中有所启发。 ■ 谢 幸 CCF 会士，CCF 普适计算专委副主任， CCCF 前编委。微软亚洲研究院首席研究 员。主要研究方向为空间数据挖掘、基 于位置的服务、社交网络和普适计算等。 xingx@microsoft.com 谢 磊 CCF 高级会员。南京大学计算机科学与 技术系教授、博导。教育部青年长江学者。 CCF 普适计算专委秘书长。主要研究方 向为普适计算、智能感知计算。 lxie@nju.edu.cn （本期专题责任编委 ：陈宝权）