谢谢，非常高兴主办方邀请来给大家汇报一下我们最近关于物联网+人工智能研究这方面新的。我们知道物联网最近是一个热点10年了，在物联网最关键，最核心还是它的感知网络，感知网络同时经过深刻的变化，我们知道大概来讲物联网我认为现在目前分成三个阶段，第一个阶段就是以感知系统就是无线传感网再加IFID，实现了感知化，感知信息主要是标量信息，标量信息到了2005以后ITO和国家就提出感知，万物互联为牵引提出了第二代传感网，突出特点就是对多媒体的感知，因为只有对多媒体的感知才能实现更透彻的感知。我们把1.0到2.0做了一个比较，无论是感知节点设备以及能力还有数据类型，还有传输带宽这方面有一个本质的变化，这是我们第二代传感网。我们团队在第二代传感网方面做了一系列工作。

到这个阶段又经过十年多的发展，目前面临什么问题呢？我们总结目前从物联网四个层面来看，首先从感知层面，第一个就是感知手段泛在化，物联网手段是一种泛在化的存在。同时智慧城市之类为代表物联网的应用，要求我们感知能力强、成本低、透彻感知，我们现在感知能力有限，并且感知环境降低感知能力，还有多种感知手段缺乏配合。再一个发展趋势不光做感知，最好网络还能做认知，所以原来定位到后来动作识别、身份识别，需求越来越强，面临挑战就是如何解决这种泛在低质感知手段与高质量智慧城市感知需求的矛盾。

第二个组网方面，物联网一个特点就是组网方式动态化，物联网很多节点是动态部署，网络变化也是一个识别性比较强的，在这种情况下，我们对城市感知就希望对城市感知这样一个网络做一个整体能够掌控动态演化规律，实现按许部署、在线优化，及时预测、发现和填补感知盲目。物联网都是一个单位建设的，互通性差，数据共享难，整体规划和优化也不易。面对第二个挑战如何解决智能化组网的需求与感知网络分隔低效的之间的矛盾。

第三个层面就是从信息处理层面，我们总结就是数据涌现持续化，现在通过物联网感知的数据源源不断的大规模的涌现出来，这种数据就是说大数据一个非常重要的来源。举个例子来说，比如说各种各样的监控网络，有美国的包括我们国家很多国家走向有很多摄像头，信息不断的，另外IPO报告，2020年每个人产生数据通过你的穿戴设备可以产生每秒钟1.7个兆的数据。所以针对这些数据不断有一些持续涌现的数据，需要一个大规模的有线数据新的处理架构，形成一种在线处理的机制和方法。现在就是我们普遍流行的云计算不太适合，深度学习这些算法也不太审核，对于实时性处理要求不太适合。因此第三个挑战就是如何来解决这种感知大数据，高计算复杂度与需求之间的矛盾。

第四个层面网络服务层面，物联网网络服务有一个特点就是碎片化，表现为虽然一定范围非常广，共性服务缺乏，如果能够探索一些比较好的共性服务模式可以推动物联网还是有很大的帮助。这也是解决了在智慧城市这样一个背景里面解决服务整合问题。同时还要解决从大数据和隐私保护以及服务效率等等问题在这个平台里面。我们知道在互联网里面也通过发生这个问题，通过楼所、电子商务其他应用互联网的服务逐渐形成共性服务的模式。在物联网是否也存在这样一个共性服务平台我们认为还是有可能的。第四个挑战就是如何解决共性物联网服务模式与个性化服务需求的矛盾。

针对这四个方面问题，人工智能提供了一个前所未有的机会，这个机会也是共识性的，都认为物联网和人工智能结合起来是未来一个发展趋势。我们最近几年研究物联网怎么和人工智能结合起来，最后在城市物联网系统里面进行应用，当然这些应用也是从四个方面。

第三个方面汇报一下我们进行一些探索，首先从智能感知层面我们做了两个方面的工作。一个方面工作针对传统的感知网固定部署的模式，成本高、系统维护难、服务不灵活，我们研究新的模式叫群智感知模式，把移动终端的感知能力用到物联网里面，以人为中心的感知，发挥全体的智慧，简单来说把群体智能和物联网的移动感知能力结合起来形成一种移动群知感知。上面推出一个详细定义，普通用户使用移动感知设备作为基本感知单元，有意识无意识结合，实现感知任务。把移动终端弱的行为加上群体这种智能形成这种智能的感知任务。

举一个例子来说，比如说我们在北京做的一个PM2.5细粒监测系统。做这个系统之前要经过大量的数据训练，这个数据训练至少有5万多张照片，这个动员了很多学校学生来参与收集这些数据，然后我们进行训练，包括天气的数据。最后这样一个系统我们得出来的指数比一般的手持式设备精度要更高一些。另外在理论研究方面，群智感知质量时空度量模型以及数据机会时效转发方法，个性化用户参与激励和隐私保护，也取得了一定的成果。

另外一个就是智能感知，从MIT他们团队研究通过wifi，到最近手势动作的试点，现在要做身份的感知和类型的感知，这是国际上和国内现在比较热的一个点，我们团队和别人做的稍微不一样，我们针对未来，我们研究毫米波环境重构与动作识别，这一块最近几年发了比较好的论文在国际这个比较好的会议上。第二个方面从智能组网这个方面，这个网络是一个动态的，动态现在实际上我们说基于人类现在设备来做感知，这样的话就是我们对网络的物联网和人类移动规律相关系，我们基本思路就是能不能把人类在城市的移动模型建立起来。通过这个智能算法进行这个路径的规划以及在线学习的网络净化设计。这方面做的工作主要是对群知网络中人类移动模型进行了建模，这是通过大量实验数据，我们得出来相关的结论。然后在这个基础上我们可以计算感知的质量，然后我们对这个优化部署提供一些指导。同时我们还研究的新的方法，在座有一些做生物算法的，生物算法我们研究日本生物学家提出的变形虫的模型，我们提出了这种优化算法用在物联网路径规划里面，这方面成果除了在物联网上应用现在有很多学者用我们方法做其他方面的应用。这个领域应该说还是有很多研究的，这是我列了一个表，在物联网当中用一些生物算法在各个层面做物联问的应用。

第三个方面智能计算，我们需要一些新的架构，新的架构是什么？就是把云计算+边缘计算+智能，有一个问题就是智能怎么在这个云边端架构里面合理分布的问题，调度的问题，第二个就是本身研究适合出云边端这种计算架构轻量级的算法，对边缘有效的算法，但是有些是放在云端的，这是两个方面的途径。这方面工作我们做的时间比较长，因为我们团队一直在做围绕着大规模设计监控在做工作，把机器学习类脑算法结合起来一直是我们做了很长时间工作，最后和企业合作方面做了很多的应用。

第四个方面就是智能服务，智能服务我们判断就是未来物联网共性服务就是搜索，搜索模式怎么实现？最近几年我们提出了一个叫做渐进式搜索这种搜索模式，这种搜索模式还是来源于人的认知过程的理解，人的认知过程刚好是毛主席在《实践论》描述的，受《实践论》启发我们提出渐渐搜索模式，融合多模态感知信息，实现逐步求精物体搜索。这样缩小搜索空间，物联网搜索空间是很大的计算要求比较高，所以在计算复杂性时效性方面提出一种综合搜索模式，这种搜索模式在国际上比较认可，起码有两个比较重要的奖我们拿到。

还有就是实验系统，我们一直在做实验系统，在这方面整合起来，和一些企业进行推广。

第四个方面我谈谈对将来发展一个展望。实际上就是说，现在关注在AI2.0，我稍微学习了一下，提出了八个具体研究方向，前五个基本上还是有一点需求驱动的和具体有背景密切相关的。后面六七就是在人工智能比较基础的理论，机器学习、类脑智能，第八量子智能是比较前瞻性一些。八个层面上实现了和物联网都可以结合，比如在大数据智能与感知智能，感知大数据，跨媒体智能我们现在强调多媒体的感知，跨媒体的理解。第三个群体智能，我们刚才讲群智感知。还有混合增强智能，包括一些机器控制和耦合控制的，这和物联网密切相关的，还有自主智能，像无人机，自动驾驶，无人车这些都是属于这个范畴的，所以也是和物联网密切相关的。量子智能是未来。

最后我就是简单说一下，在人工智能这个浪潮下，物联网实际上存在着很多挑战和机会，刚才讲了一些热点，包括群知感知，还有那些无人感知，感知大数据计算、物联网搜索、安全与隐私保护，典型的物联网应用。总的来说传感层面从一个互联层面和共性服务层面都有很多工作要做，现在智能化会催生一些新兴颠覆性的技术和应用，在催生这些技术和应用本身来推动物联网进一步发展。谢谢。