上周五到周日参加了计算机协会举办的《移动互联网创新应用》研习班。研习班请来了来自微软、浙大、清华、北大的一些学者以及来自腾讯、百度、小米的数名经理讲了学术界与产业界进行的一些研究和探索。听这样的讲习班，最大的益处在于开阔视野，特别是在移动互联网这个热门而前沿的领域里，学术界、产业界都在做一些很棒的事情。技术的革新和发展是IT产业的源动力，我今后的职业意愿是产品经理，希望有机会将最顶尖的技术转化为产品，给用户带去新的体验。因此，我就从产品应用的角度，对这个研习班做一下回顾。
《数字生活中的移动计算》 – 芮勇 微软亚太研发集团的高级总监
芮勇的这篇报告是综述性的，介绍了在数字时代人们的生活发生的一些变化。
看几个有趣的时间节点：
Ø 2012年，历史长达244年的大英百科全书（Encyclopedia Britannica）不再付印；
Ø 2010年，在报纸出现305年之后，Internet的广告收入超过了报纸；
Ø 2002年，在电话出现125年之后，移动设备的数量超越了有线电话的数量。
这样一些时间点告诉我们，数字时代已经到来，而“移动计算”将是其中最为重要的一个环节。如今，智能手机、平板已经基本取代了PC、有线电话和随身听。而令人惊讶的是，手机的概念仅仅出现在30年以前。在这短短的30年里，手机的方方面面，无论是信号质量、应用数量、使用人群的数量都获得了飞跃。
在数字时代，图片是非常重要的信息载体，微软在这方面有很多的研究成果。介绍一个与移动设备结合起来的实例。人们在外旅行的时候，看到一座建筑，却不知道名字，只需要拿起手机拍摄、上传，便可以获取到该建筑相关的所有信息。这个技术已经被成功的转化成了一个Window Phone应用：Nokia City Lens。有了它，妈妈再也不用担心我的旅行！这是如何做到的呢？
在图像处理的领域，有一个核心问题，便是语义的是识别：Image -> Word。刚才这个例子中所遇到的问题，可以描述为：如何将成千上万张的图片与一个百万量级的Entity Graph对应起来，换句话说，就是如何将大量的图片根据语义有序的组织起来。其中遇到最大的挑战在于：1）这么大的数据量，如何才能高效处理；2）如何去除其中的噪音。具体的解决方案就不多说了。
接着展示了另外两个新鲜的demo。一个demo演示的是实时翻译系统，非常实用的应用。另外一个名叫OmniTouch，在肩上安装相应的设备之后，可以使投射到的区域都变成可触摸交互的区域。
最后，芮勇又展望了一些移动互联网的流行趋势：
ü 3G/LTE/GPS/NFC/IPV6…
ü 智能手机= Hardware + OS +APPs
ü Mobile OS：三国演义
ü NUI + Location + Sensors + AR–> blending physical world
ü Data mining + BI-> power of cloud
ü Social, commerce, twitter,wallet…
最后的最后，芮勇还特别提到了腾讯公司的创新商业模式，以及中国用户在浏览页面时，令人惊讶的探索精神（我想，这是被国内网站无比糟糕的界面设计给练出来的吧）。
《移动社交网络与用户位置》 – 谢幸 微软亚洲研究院主管研究员
谢幸讲的这个课题很有趣，是关于移动社交网络和用户位置的，时下流行的Foursquare、街旁便是这方面的应用。
获取位置信息，依靠的是定位技术，常见的定位技术有GPS、RFID、蓝牙、Cell-ID等。今年五月份Google Map推出的室内导航功能则利用了室内定位技术。
如今85%的移动设备都搭载了GPS，获取用户的位置数据的渠道越来越多：带地理标注的照片、微博、游记，位置搜索日志、地图服务日志等。从大的方面来看，如何用一个很好的机制集中管理这些来自不同设备、不同服务和不同用户的位置数据是需要研究的课题。
在移动社交网络中，有一类基于位置的社交网络：Location Based Social Networks，称为签到服务。知名的应用Foursquare便提供这种服务。接着，详细介绍三个相关的研究课题。
第一项研究，名为：QueryCo-Location Pattern Discovery。这项研究的主要目的是吗，根据位置信息，为query与query建立起关联，找到一定的pattern。他们选取了2007年某两个星期的谷歌搜索数据，大约有100万，从其中抽取出了一些pattern。这样的pattern分为global和local两类，显然，Local pattern会比较多。比如说，”hotel”和 “MGMGrand”就是一个Local pattern。
可以想象，这样一些pattern在改进基于位置的搜索、提供个性化服务可以方面有非常显著的作用。
第二项研究，名为：GeoLife:Building Social Networks Using Human LocationHistory。这项研究的目的是根据用户的位置信息，挖掘出一些社交方面的信息。他们选取了178名用户，采集了他们在2007-2011四年之间的所有和位置相关的活动记录。这项研究可以从两个方向来看：
首先，通过一个人的足迹信息，是不是可以挖掘出一个人的个性呢？基于这样的个性信息，我们便可以进行好友推荐、个性化服务了。
第二，如果我们不只按照一个人的足迹建模，而是按照“用户-地点-活动”的三维方式建模，那么还可以获得更多关于活动和地理位置的信息。于是，便可以进行活动和基于位置的推荐：该去哪家店吃饭？可以去参加什么活动？
第三项研究，是关于如何从GPS信息映射到地点名称。这一技术在Foursquare、街旁里面已经被用到。基本问题可以描述为，有一些check-in的数据、用户信息、时间信息、GPS信息、地点集合，如何从地点集合里找出一个最好的子集返回给用户，并进行排序。
最后，谢幸还讲到了学术界非常热门的研究课题：Human Mobility，从用户的各种位置信息中挖掘出更多个性化信息、社交信息。特别是一项名为Human Mobility Prediction的研究，非常有趣。它根据用户的位置历史记录，进行位置的预测。听起来很玄，事实上，最近在北京就有这样一个例子。一个人丢了钱包和公交卡后，通过研究自己已经丢失的公交卡的公交路线记录，成功找到了拾到他钱包和公交卡的人。这不禁让人有些恐惧，如果有一天，我们的行踪都可以被预测，那我们岂不是活在“楚门的世界”里？
《智能手机：普适感知与交互》— 潘纲 浙江大学
潘纲的报告主要介绍了浙大围绕智能手机中的感知器(sensor)所进行的创新性研究，这些研究创意十足，让人惊叹。
先看几个简单的概念：
ü 互联网：Cyberspace信息的及时可共享性
ü 移动互联网：Cyberspace与人连接的持续性
ü 物联网：Cyberspace与物理环境的可通性
ü 社交网络：人的社会性在Cyberspace中的可表达性
在这些概念下，智能手机成为个人与“人物机”三元世界相互沟通的Portal：physical world, cyberspace, humansociety。既然智能手机已经如此普遍，那我们可以用它做些什么呢？
每个智能手机中都有数个内置传感器：加速度传感器、陀螺仪、电子罗盘、亮度传感器、温度传感器、接近传感器、WiFi、蓝牙、GPS、NFC（近场通信）、麦克风、FM等等。还有一些外置型的传感器：睡眠传感器、EEG耳机（收集放大脑电波信号）、气压计、化学传感器、心率监测传感器等。
同时，在Android和IOS平台上，开发者都可以进行传感器相关的开发，都有相应的API可供使用。相比而言，Android平台的API质量要比IOS要低一些。不过，不管在哪个平台上，都不能只是简单的调用API，而需要真正的去理解API的实现过程以及传感器的原理。因为这些API数据并不一定准确，不仅要坐验证，可能还需要做许多后续的处理。比如说，温度传感器放置在CPU旁边，所以CPU的温度会使得其度数偏高。
在了解了传感器和传感器开发之后，进一步思考，这些传感器到底如何应用起来呢？
1. 感知ID
传感器：摄像头、声音、蓝牙，NFC。
1） 二维码（QRCode）。一个二维码有三个定位点，供读码器辨别，一个二维码所装载的信息大约为1KB。如今，二维码已经成为O2O商业模式的一个重要媒介。
2） NFC（近场通信）。它的感知范围比较窄，只有4cm，容量大约为1KB -8KB。它的通信方式为Tag和Tag-reader（手机），因此可以用于手机支付、名片交换、身份认证等。浙大这对NFC做了一项有趣的研究，实现了在一个空间区域内的Touch+N的交互方式。用手机Touch各种设备，便可以与这些设备连接、控制他们发声、播放等。
3） Accelerometer。利用加速度感知器，可以识别人的步态、姿态等。
2. 感知位置
传感器：WiFi、GPS、NFC、Bluetooth。
室外定位一般用GPS，地球被分为6个面，每个面由4颗卫星负责。室内定位一般用WiFi，精确度比较高，但是受室内干扰也比较大。
3. 感知手势
传感器：加速度仪和摄像头
浙大所做的一项研究，叫做GeeAir：A Universal Multimodal Remote Control Device forHome Appliances。用户可以通过手势控制多项设备。比较大的挑战有两个：手势的识别以及不同设备间的控制信号转化。
4. 感知情绪
传感器：麦克风
声音的强度、语速、音高等参数会和情绪有一点的联系。比如，在悲伤情绪下，音高下限、音域都很低，语速也慢。于是根据声音可以感知到人的情绪变化，将这样的数据进一步扩大到社交范围中去分析，会有许多有趣的结果。
5. 感知用户的行为
传感器：加速度仪、陀螺仪
MIT做过一项有趣的研究：在人的身体上绑五个加速度仪，收集人在活动时的数据，训练出一套识别人类日常行为的系统，准确率在85%以上。
而另外一些应用，如卡路里追踪、行为记录的社交分享等，也是对于用户行为感知所做的挖掘。
6. 用户群体的感知
传感器：蓝牙、GPS、WiFi
这一类感知主要是感知用户群体同时参与的信息，比如会议、集体活动等。这类感知的应用非常广泛，比如在Foursquare里，到某个酒吧或者咖啡屋之后，便可以查找到附近的人的信息；再比如Color，是一个完全基于位置和用户群体感知的应用，在某个地理位置，可以用幻灯片形式查看附近所有人的照片，并且可以获取周围100英尺内所有人的信息流；SoPhoNet则会在拍照时自动附带参与好友的信息。
7. 方向的感知
传感器：电子罗盘、加速度计、陀螺仪
方向的感知，可以有很多有趣的应用。一个手机、一只笔都可以变成控制器，只需要通过简单的指向性操作，就可以控制多种设备。
8. 想法的感知
感知人脑的想法，听起来很玄乎的东西。现在普遍的做法有两种：一种是外部的探测，比如脑电图（EEG）、近红外功能性成像，一种是植入性电极。第一种做法精度比较低，但是无害，第二种听上去就比较恐怖。浙大在这个领域做了一个非常酷的研究，拍了一个创意性十足的视频：A Brain-controlled Assistant for theHandicapped:http://v.youku.com/v_show/id_XNDQ2MjUxNTIw.html
既然传感器的类型这么多，提供的信息这么丰富，不妨将他们结合起来，做一些更加酷的应用和探索。
1. 城市感知
泛在的智能手机使得大规模地采集城市动态数据成为可能，其传感数据可以：估计区域人群密度；识别用户行为在城市空间中的分布；识别不同区域的功能与其它属性；判断不同地域人群的联系程度；分析城市人群通讯行为的模式与规律。
比如，晚上10点和早上12点，罗马城的通讯信号强度；有比赛的周末，曼城斯特城的人群聚集密度；根据出租车数据，对城内的一些典型区域进行标注等。
2. 参与感知
参与感知是人们自发的分享、分析传感数据。典型的应用有：校园行随手拍等。
3. Well-being感知
移动健康应用BeWell便是对用户从三个维度进行感知和打分：睡眠、体育活动、社交。
WalkSafe则是关于行人交通安全的应用。
4. 手机操控智能车