当计算机开始感知

　　“一个放在桌子上的杯子，用鼠标是拿不到的，但感知计算可以。”同声（TheBestSync）公司的总监林云帆一手搭在鼠标上，看着固定在笔记本电脑显示屏上方的摄像头说。

　　这可不是普通的摄像头，林云帆所提到的“感知计算”全靠它来完成。这款由英特尔开发的感知计算开发平台（摄像头与SDK开发包），集成了近距离的手和手指跟踪、语音识别、人脸分析以及增强现实技术，以上全部功能都可以通过同一个硬件实现。目前，林云帆所带领的团队已开发出了一款通过手势控制音乐播放的应用JOY，曾获得英特尔感知计算挑战赛最高荣誉。同时获奖的还有另外两款应用，分别利用感知计算来作画和玩简单的手势游戏。

　　“感知计算”听起来似乎是个新名词。但是，如果用另一个说法似乎就并不陌生了：“人机交互”。在英特尔，研究人机交互的历史可以追溯到20多年前。“其实英特尔一直以来都在后面做这些事情，然后由最终客户把他们的东西做到我们的平台展示给消费者。”英特尔中国个人电脑事业部市场总监吴竹如告诉《21CBR》记者。一直以来，英特尔的个人电脑事业部、移动事业部、软件服务部等很多部门都在尝试研究更新的人机交互技术，也就是如今提到的“感知计算”技术。

　　三年前，英特尔以以色列和美国总部为主成立了“感知计算部”专注感知计算技术开发。在去年的IDF大会（英特尔开发论坛）上正式推出了感知计算软件开发工具包2013（Perceptual Computing SDK 2013）测试版。据英特尔介绍，目前中国的合作开发者主要聚焦在人脸识别、手势和语音三个领域。

　　利用英特尔提供的感知计算开发平台，同声已经开始了JOY的商业化，进一步优化产品。在同声的资深程序工程师梁俊的演示下，《21CBR》记者看到，用户可以在距离摄像头较近的距离下进行手势操作，精确度很高，完全可以实现电脑界面上的操作。据介绍，区别于Kinect等最短距离为1米的体感设备，感知计算的摄像头被设计为近场控制，虽说一到两米也是允许范围，但最佳距离为30厘米到70厘米。

　　除了手势的控制，在面部识别模块，摄像头能够识别用户的人数、性别、年龄段以及表情（目前只有微笑一种）等信息。林云帆告诉《21CBR》记者，同声已经着手开发三个同时运用手势、语音以及脸部识别技术的综合应用，并将其作为参加新一届挑战赛的作品，预计9月就能看到产品的视频发布。

　　而消费者要接触到带有感知计算的电子产品，或许在2014年就能够实现。届时，用户界面将更加简洁，“我们最终的设想是将摄像头的工艺放到每台电脑上，把它做得更小，可以嵌入我们的平板电脑或是笔记本电脑里去”，吴竹如向《21CBR》记者透露。

　　作为开发者，林云帆认为能够用同一个SDK实现所有感知计算的集成是非常重要的。从平台的角度看，开发者不需要考虑跨平台开发或者兼容的问题；从硬件的角度看，集成能够实现硬件资源的优化。“从技术层面来说，不同的技术是需要多线程处理的。如果仅仅运行脸部识别系统资源的占用率就很高了，这时候就根本不可能加入手部和语音识别。就像现在有的手机虽然也能运行脸部识别，但是会占用很多资源，当你再开语音的时候，系统就跑不动了，这种情况下是不可能多元化的。当英特尔把所有技术集成并保持在一个非常低的系统占用率时，多元化就能够实现了。毕竟，在硬件上支持一个技术与软件层面的支持是完全不一样的。”林云帆向《21CBR》记者解释道。

　　而最后一点，也是至关重要的，那就是用户体验了。在这方面，英特尔也表达出了对体验的重视，“如果技术过于超前，无法把用户体验做得更精致，对人们来说并无益处。我们觉得现在这个时间做感知计算是正确的，因为我们的核心运算技术发展很快，陆陆续续会推出第四、五代品牌。英特尔推出感知计算就是要优化人机交互，计算优化后，我们的用户才能有更好的体验。”吴竹如向《21CBR》如是说。

　　同声可以说是在国内最早投入感知技术应用开发的团队，但事实上，同声并非一间科技公司，而是在影音制作行业浸淫了10多年的广告公司。由于客户的需求发生了变化，从而推动同声向技术开发延伸，成立了由10多人组成的数字部门。了解用户并且擅长设计包装的同声自然对用户体验极为重视，这也是林云帆为何下注感知计算的原因。

　　“感知计算所代表的是一种更综合更健全的输入方式，更自然的人机交互模式。在现实生活中，人与人的交流主要运用的就是声音、手势以及脸部表情。从这点看，感知计算已经非常接近于人与人的交流模式了，这种感受一定是通过综合功能实现的。当融合了多种技术的系统能够低占用率地运行，开发者就能够盖更高的楼，开发更漂亮的应用，舒服地展现给用户。”林云帆告诉《21CBR》记者。

　　感知计算这种新的输入方式，并非是要取代鼠标、键盘与触摸屏，它是一种比后者更聪明的人际交互方式，在这种情况下，用户的界面的变化是无限的。如同文章开头的例子，当控制计算的能力增强时，多种技术得以叠加，人、机器、现实环境就可以进行互动，实现增强现实（AR）。“AR是现实环境与虚拟信息进行融合的一种方式，是一个表现形式，从输入方式到表现方式是一个整体，因此更全面的输入方式很重要。”

　　强调综合的输入方式，并非纸上谈兵。事实上，如果长时间使用一种体感输入方式，就好比长时间使用鼠标一样，并不利于体验，而且会导致疲劳。“比如当你用手势识别设备控制电脑时，会有一个很大的困惑：为什么我不直接用鼠标？鼠标显然更加精确，更加方便。”在林云帆看来，新一代的输入方式不应该是反传统的，不应该只是单一维度的，应该有更大的延展性。

　　在延展性方面，英特尔也正在充分发挥着想象力。感知计算最核心的技术是“感知”和“计算”，“感知”是实现感知计算的第一步，即感应和收集数据用以进行计算。“我们要突破的核心就是采集数据，”吴竹如打趣地说，“就好比摄像头是眼睛，麦克风是嘴巴。但目前，我们还没有把鼻子做好。”

　　除去拟人，“感知”最主要的途径是模仿大自然。“因为大自然的演变这么多年，我们可以学到很多采集信息的方法。就好像我们以前在幻想飞的时候，我们可以看到鸟是怎么飞。”吴竹如告诉《21CBR》记者说，“未来，你可以想象到的大自然所有可以传感的东西，包括你的皮肤，你的第六感，这些都是可以采集的。”（本刊记者罗东对本文亦有贡献）

　　文/本刊记者 邱月烨 熊元