张燕咏，中国科学技术大学计算机科学技术学院副院长、教授，曾在美国罗格斯大学任教授。ACM中国副主席，ACM理事会常务理事，IEEE Fellow。国家科技创新2030—“新一代人工智能”重大项目首席科学家。张教授一直从事智能感知系统方面的研究，共发表150余篇文章，总引用数大于11000次，H-index指数为48，曾获得美国国家科学基金的青年成就奖，ACM MobiCom最佳论文亚军。
张燕咏近期接受了CCCF 的访谈，她在访谈中展望了未来20年智能感知系统领域可能出现的机遇和需要解决的挑战，并对青年科研人员提出了建议。
问：您是何时开始对智能感知系统感兴趣的，当初为什么选择这个方向？
张燕咏：2002年我博士毕业后到美国罗格斯大学（Rutgers University）任教，那时候美国在传感器网络（sensor networks）领域的研究刚刚开始。传感器网络可以把以前很多分散的方向统一起来，比如信号处理、传输网络、嵌入式系统，还可以融入不同领域的知识，比如如何描述和感知一个物理现象等。后来，传感器网络这个方向小的分支越来越多。我的博士论文是关于操作系统中的工作调度，所以我对如何搭建一个具有完整功能的系统是有经验的，再结合当时快速发展的传感器网络，我就把研究方向定在了“智能感知系统”：通过合理利用多种传感器获取外部信息，搭建一套系统进行学习、判断、推理，达到认知环境和对象的能力。
通过智能感知系统，人们可以对周边的生活和工作环境有更及时和更清楚的认知。即使是人迹罕至的地方，也可以通过远程感知了解它的实时状态，有点像传统神话故事里的“千里眼”和“顺风耳”。智能感知还可以融合很多方向，为许多跨学科创新创造机会。
从2002年开始到现在，我一直在做和智能感知系统相关的工作，在传感器设计（简单家用类型）、感知算法、数据传输协议、大型感知系统等多个方面进行研究。
问：您在研究智能感知系统过程中，取得的最令您骄傲的成果是什么？
张燕咏：回首这些年，我印象最深的成果是我和当时的合作者以及学生一起搭建的一套智能感知系统，叫作Owl平台(https://www.owlplatform.com，如图1所示)。这个系统就部署在我们的实验室，实验室的各个角落安装了几百个传感器，持续运行近两年的时间。我们还创建了一些好玩的应用，比如你度假的时候，可以用系统确保家里的窗户是关着的，查看地下室有无漏水等。
这些低功耗传感器从硬件到软件再到应用都是我们自己做的。其中有两点我最为骄傲。第一，我们采用了极简设计，并研发了一套极简传输协议，使传感器可以在纽扣电池上运行一年或更长时间；第二，用已有的数据和服务搭建一套新服务架构和系统。这样感知系统可以有机成长，可扩展性强，不会因为新的服务需求而重新部署系统。
实验室里都是非常喜欢动手搭设备、做实验的学生，整个系统从无到有慢慢搭建起来，想起来非常好玩儿，也非常有成就感。
问：在此过程中，您遇到了哪些挑战？又是怎样解决的？
张燕咏：研究过程遇到了很多挑战，其中一个是学术研究走在工业落地的前面，做出的成果没有真实的场景，而系统性的研究如果没有真实场景的支持很难得到很好的发展。另外一个挑战是通用、实用、好用的感知系统非常难构建。在通用方面，场景不同，感知手段不同，导致系统难以通用；在实用性方面，做一个“次抛”的系统是简单的，但是做一个长周期持续可用并且性能鲁棒的系统是非常难的；在好用性方面，如何让用户使用同一个感知系统构建不同的服务也很难。现在的做法一般都是为了一件事建一个系统，但是，这些系统如何有机生长，自动构建服务，并形成生态，是一个很大的挑战。
这些挑战目前并没有完全解决，现有的感知系统“烟囱林立”，没有形成通用的架构。也许在现阶段寻找通用的架构是个伪命题。所以现在我改变了对这种架构的追寻，转而研究一两类重要的场景，比如自动驾驶和深空感知，在这些场景深挖。
问：未来20年内，您认为您所在的研究方向存在哪些机遇，会有哪些显著进步？
张燕咏：我认为现在到了感知系统全面落地的好时候。各方面的技术都日趋成熟，同时也有很多具有重要意义的应用场景。国家的“十四五”规划推进了各个行业的全面数字化，这就有了驱动力和场景需求，比如自动驾驶、对矿山等特定场景的数字化等，这些应用对感知的需求是真实存在的。在此背景下，我认为感知系统研究发展的机遇主要包括以下三个方面：（1）端边云协同架构、泛在操作系统、云原生计算等系统软件的发展，允许把智能系统嵌入到更大的计算系统当中。这些技术的发展使我们可以将传感器和物联网设备的能力与强大的云计算能力结合起来，打破受限的单个传感器和孤立的传感系统，构建起感知更全面、计算更高效、反响更快的智能系统。由于云原生计算系统的发展，系统可以提供不断增长的边缘设备数量所需的可扩展性和灵活性。这些技术优势可以为各个行业比如制造业、运输业等提供巨大帮助。（2）各种传感器芯片（如4D毫米波雷达、固态激光雷达）层出不穷，精度也日益提高，这对智能感知方向的发展具有重要的推动作用。例如，传感器芯片收集的数据量大大增加，提供了大量的真实数据；传感器芯片的高速数据处理能力，使实时监测成为可能，有助于提高感知系统的效率和可靠性。（3）智能感知与其他领域，特别是人工智能和机器人技术紧密融合，互相促进。感知系统可以帮助机器人更好地感知周围环境，作出更准确的决策。人工智能技术产物ChatGPT的语言生成和理解能力也可以与智能感知领域相融合，在某些应用中支持智能感知功能。例如，在智能家居领域，ChatGPT可以实现语音交互功能，通过语音识别和语音生成技术与用户进行交互。以上这些机遇都为感知系统全面落地提供了条件。
问：您对青年科研人员有什么建议？
张燕咏：放弃数据集，做真正的场景。我建议青年科研人员在实际问题的驱动下研究真实的场景，设计出实际可落地的算法。一直在数据集上闷头钻研，就没办法深入了解实际的挑战。我们应该回到真实场景、真实数据上，在此基础上进行研究和创新。
当一个永远在科研路上奔跑的“背包客”。青年科研人员不应该被所取得的成果束缚，而应该始终保持对最前沿科研的关注和好奇心。在科研中，没有固定的答案，只有不断地探索和进步。做一个永远在科研路上奔跑的“背包客”，不断领悟新的知识，挑战自己的边界，为科技发展作出更多贡献。
团队合作，攻克难题。科研是一项非常复杂和多学科交叉的工作，需要多人合作完成。团队合作可以帮助青年科研人员共享信息和知识，分享经验和技能，从而提高科研效率和质量，还可以帮助他们提高团队协作能力和沟通能力，以及对科研项目的整体观察力和组织能力。
特别声明：中国计算机学会(CCF)拥有《中国计算机学会通讯》(CCCF)所刊登内容的所有版权，未经CCF允许，不得转载本刊文字及照片，否则被视为侵权。对于侵权行为，CCF将追究其法律责任
CCF推荐
【精品文章】
点击“阅读原文”，查看更多CCCF文章。
