想打造一個智能家居嗎?那么在你面前，有兩個方案。一來，你可以購買一堆與其他智能產品通信的智能小工具;二來，可以借助傳感器標簽來改造所有設備，創建一個粗略的網絡系統。第一種方案十分昂貴，而第二種又特別麻煩。但不用擔心。不久的將來，可能會有第三種方案供您選擇：一個只需插入電源插座，便能夠連接房間所有設備的簡易傳感器。

　　這一構想源于卡內基梅隆大學的Synthetic Sensors(合成傳感器)項目，他們旨在研發一個能夠感知家庭的智能設備。5月11日，ACM CHI 2017國際計算機互動會議在美國丹佛落下帷幕。在此次會議上，首推的這款小型設備能夠捕獲一切將普通家庭用品變成智能設備所需的環境數據。雖然現在這只是一個模型，但足以令人印象深刻。

　　此設備內設10個傳感器，一旦將其插入電源插座，即刻“變身”為房間的眼睛和耳朵。它能夠捕獲聲音、濕度、電磁噪聲、運動和光線等數據(研究人員為了保護隱私而排除了相機功能)。隨后，它會借助機器學習算法將所得數據轉換為家中發生情況的具體信息。例如，合成傳感器可以告訴您是否忘記關閉烤箱，泄漏的水龍頭浪費了多少水，或者室友是不是又掃光了您的小零食等。

　　長期以來，人們都在探索無所不在的傳感理念。但目前，我們只是依靠Nest，Sen.se和Notion等產品開始初步進入智能家居。CMU研究人員希望通過將多個感測功能整合到一個設備中，進而掌控其他未連接的設備，就好比是家庭的通用遙控器。

　　如今，傳感器雖然早已變得小巧精致，收集數據也并不困難，但還是存在些棘手的問題。首席研究員Gierad Laput希望，它能夠幫助人們解答實際情況中的環境問題，比如計算每個月需要多少水，監測家庭各種設備是否安全。因此，怎樣將數據翻譯成相關具體信息還需進一步考察。Laput表示：“在用戶看來，咖啡機中EMI輻射的頻譜圖并不重要，他們只關心咖啡何時能煮好。”

　　借助傳感器來捕獲的數據十分繁雜，研究人員需要對每個對象或動作制定標簽。例如，僅僅打開冰箱這一動作便產生大量數據：聽到吱吱聲，看到光，感覺到這個動作。Laput與其團隊通過設定機器學習算法來識別這些信息，構建起一個龐大的感知對象和動作庫。在這一過程中，大量的傳感器尤為重要。佐治亞理工學院機器學習跨學科研究中心主任Irfan Essa表示：“這些都是數據的推論。如果你只有一個傳感器，想要區分個中差別，更是難上加難。”

　　負責傳感器技術的CMU研究員Anthony Rowe解釋，一個真正有用的通用傳感器必須能夠捕獲和識別周圍不斷變化的細微差別。例如，即使將設備從一個計數器移動到另一個計數器，該傳感器也應該能夠從攪拌機中辨別出咖啡機。同樣，即使為廚房添置新設備，整個系統也不該受任何影響。確保這一設備的“魯棒性水平”是改善機器學習的一大問題。Rowe表示：“在短期內，較簡便的解決方案是先為用戶提供接口，讓他們指出問題進而重置系統。”

　　目前CMU提出的綜合傳感器原型很難做到這點。雖然技術可靠，但尚未研發出接口。但研究組表示，最終可能會選擇建立一個應用程序控制系統，或將合成傳感器技術納入智能家居中心，以此捕獲環境中更多的細微變化，全面了解用戶周圍環境。

　　Laput表示，建立一個比你自己更了解自己的環境是智能家居的終極目標。