软件开发架构师

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招

人工智能 93 2019-06-07 02:26

如今,移动互联网时代正式迎来拐点,以 AI+IoT 为技术基础的智能物联网为人们的生活带来越来越多的便利和变化。在这个发展过程中,运动健身自然也贴上了 AI 的印记。

Keep 在 2018 年就已开始布局 AI,成立至今,Keep 实现了用户从万到亿级的飞跃。作为科技行业的后起之秀,Keep 是如何在大浪淘沙的 IoT 环境下,打通 Keep App、智能硬件及运动空间的壁垒,构建完善的运动生态,实现运动科技行业的破局?Keep 在 AI+IoT 的布局是如何?带着疑问,InfoQ 记者参加了 5 月 25 日在北京举办的【Keep 技术开放日·攻城狮智能运动体验专场】,并根据 Keep 技术 VP 彭跃辉、Keep 人工智能研究院 CV 项目负责人乔伟、Keep 硬件系统部负责人刘煦的现场分享及专访,整理了部分实录。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-1

数据是个体力活,但缺乏大数据的支撑,AIoT 犹如“无源之水”

过去的两年是 AI 与 IoT 井喷式爆发的两年。

但同时出现的,是一种极不合理的相反态势:AI 技术赖以生存的基础——大数据的发展却远不及预期。

在运动科技领域,国内运动大数据级别大多处于初、中级极端,硬件技术及算法等客观条件的制约限制了运动大数据的升级。但作为一家数据驱动型公司,数据对于 Keep 的重要性不言而喻。面对大数据技术在数据采集、存储分析及流数据处理等维度的应用和发展,我们构建了自身的数据平台架构,精准分析用户画像系统以及 AI 系统。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-2

首先,基于自身业务需求,我们将所有业务场景的数据进行汇总,打造了一套完整的数据平台。数据平台主要分为五层:数据采集,将 APP 、硬件、线下空间等全域数据打通并串联;数据管理,管理 Keep 所有的数据资产,建立以业务为核心的数据仓库,并在数仓的基础上设置分级的数据安全管理和数据脱敏;数据存储分析,将所有部门对数据的应用和理解进行共享,解决企业经营信息不对称的问题,其主要分为基于 Spark、Hive、Impla/Kudu 等开源工具的离线计算和基于 Storm、Flink、Kylin/Druid 等组件的实时计算;数据输出,主要输出 A/B 测试、用户画像、用户生命周期和风险控制等数据产品;数据变现,包括程序化广告以及个人运动数据分析。

但是,数据平台的建设并不是一蹴而就的事情,我们也经历了很长时间的迭代。

  • 一开始,我们会通过建立标准、扩展性好的 SDK 将不同业务的数据汇集,并依次建立数据平台需要的各个组件。

  • 接着需要建立比较完备的管理系统进行数据标准的统一,包括埋点的标准化、指标体系的标准化以及数据应用的标准化。

  • 最后,通过数据分析和算法讲数据的价值赋能给业务,形成闭环。

有了数据平台的支撑,接下来就是如何深入了解用户。

大家都知道精细化运营是目前企业发展的重要竞争力,特别是对于以用户为导向的 Keep,及时响应、满足用户的需求,建立良好的用户体系显得极为重要。因此,在数据平台的支撑下,我们利用 AI 结合 Keep APP 应用及智能硬件采集的数据,建立“用户画像”体系,为用户提供更丰富的运动体验。

我们对用户的社会学属性,运动偏好等也有精确的理解。我们有不同的运动品类和不同的载体,通过这些品类和载体中能了解更多的用户运动偏好数据,帮助我们更好地改进产品,提供更完善的智能训练计划功能。

下图是我们的智能训练计划功能,通过对用户运动能力的预测,包括用户主观的「自我评估」和客观的「运动能力测试」,结合智能算法针对性地给用户推导计算出适合他的运动方案。在此过程中,主观的自我评估可以让我们了解到用户的一些运动习惯和运动行为,客观的运动能力测试可以精准获得用户运动能力。两者内容的综合,就可以判断出用户的运动需求、运动条件、运动水平、运动偏好等一系列信息。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-3

同时,我们发现,用户的运动能力是多样化的,用户在运动能力的成长方向也是多样化的,可能是横向能力的部分成长,也可能是纵向综合能力的提升。对此,我们还可对用户成长路径进行规划,建立了“蜂巢结构”。“蜂巢结构”中的每一格,代表的是一群特定用户的运动画像,当用户行为发生变化,他所处的蜂巢位置将会发生变化,训练计划也将会相应改变。

之前,Keep 原有的训练课程是人工编排的。在智能化的过程中,后续我们打造了一套课程自动生成系统,能够自动地从动作生成一个课程,并根据动作的性别、难度、肌肉点、姿态、容量、休息时长等特征,制定了一些列的课程生成规则,通过规则生成、筛选出符合逻辑的训练课程。然后结合用户画像和课程画像, 就能为用户动态生成个性化的智能训练计划,截至到目前 Keep 已经为 100w 用户定制超过 200w 个训练计划。

此外,我们在训练过程跟踪和即时反馈上也一直在探索。在硬件上,我们实现了手环的动作识别和动作打分算法,利用硬件的传感器和心率得到更多用户的反馈;在视觉上, 通过摄像头来监测和识别用户的关节点,通过关节点的运动轨迹来给用户更多的反馈;在 App 上,我们及时地为用户调节训练的节奏,在训练过程中用户在遇到某个不适合的动作或身体情况变化时,及时地为用户做进退阶、或者跳过这个动作。

为了让用户更能坚持,我们还把具体相同或者相似特点的人聚集起来,相互激励和相互扶持,让运动不再枯燥。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-4

根据打造的用户画像和课程画像系统,并在数据以及内容驱动的人工智能方式下,我们取代了过去由健身教练组织健身课程的人工方法,建立了以内容和数据为核心的运动科技生态。

运动科技与 IoT 的结合与破局

当前,在 IoT 的影响下,运动和设备有着自然紧密的结合。但是我们发现,用户严重的碎片化认知是需要解决的关键问题。

用户碎片化认知的形成主要因为两点:一方面是 IoT 的复杂多样性不能让用户有全面的了解;另一方面是 IoT 比移动互联网多一个数量级导致了各种兼容性的问题。对此,在技术方面,我们建立了多通道的通讯模型,通过 WIFI、蓝牙等不同的方式连接到手机上,屏蔽底层的复杂性,不需要让用户理解链接的多样性;在产品方面,通过用户的交互以及统一的内容体验,直接带领用户跟随 APP 运动。

同时,为了依靠优质的技术特点、产品功能,快速吸引用户,占领市场,我们还 积极布局手环、体脂称、跑步机等智能硬件,触及了以手机摄像头为载体的机器视觉方面,通过手机摄像头的视觉反馈对用户动作进行识别和分析,从而给用户更多运动指导,使用户的运动体验得到更多提升。

以人体关键点识别以及动作打分为例,目前,对人体关节点或关键点定准定位、以及对人体大动作等复杂场景的追踪和监测等已成为很多企业攻克 AI 落地应用的突破口。那么,Keep 如何通过 AI 解决高精度人体姿态识别的问题呢?

我们设计了自下而上的特征迁移架构,解决高精度的人体姿态识别问题。整体解决思路是这样的:通过深度学习技术,我们会在在图片或视频里抽取出人体相关的一些关节点,基于 video to video 的方式,把光流信息应用到网络中,解决同一关节点的时序平滑问题。并通过运动传感器,配合 AI 算法及 Keep 的动作库和数据模型,在捕捉用户动作轨迹的同时进行标准度打分和指导。比如深蹲动作,有时候人在做这个动作的时候左右是不是平衡的,或者深蹲的幅度不够,或者身体不在一个竖直面上,我们会通过关节点运动的轨迹来判断动作是不是标准的,然后给用户正确的参考与指导,避免受伤。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-5

另外,跑步路线作为基于 Keep 智能硬件的创新技术之一,它会根据用户跑步的轨迹自动生成一些路线,当用户到一个陌生城市时,打开 Keep 就能看到有哪些地方适合跑步。这个新功能里面主要用到的一项技术是,怎么把路线生成出来。路线是三维点集聚合的问题,我们用了很多不同的策略来优化。除此之外我们现在路线有几万条,怎么能让匹配更快是我们要解决的问题,我们通过算法模型找到一个跟用户轨迹最匹配的一条路线。如果用户按照 Keep 推荐的路线去跑步,这个创新功能可以判断用户的跑步轨迹和推荐路线的相似度是多少。

Keep AI+IoT 的未来

最后说说 Keep 在 AI+IoT 的战略,因为也会有很多人问我们,如何看待 AI 与 IoT 的关系。

那么对于 Keep 来说,我们认为万物相连的物联网、大数据、及人工智能三者是相互协同,缺一不可的关系。

在今后,Keep 将基于 IoT、AI 以及大数据做更多的结合,贴近用户生活,打造娱乐化的运动体验,并把更多的算法落地在 IoT 的设备上,让用户真实感觉到 Keep 的训练计划是有效的、个性化的。同时,将内容与 IoT 场景更加深入,通过平台整合及硬件加持,传递给用户最准确的信息。

AI与IoT之间差的是数据?揭秘Keep快速入局AIoT的三大绝招-6

当前,运动领域的智能化已拉开序幕,作为运动行业的领军者,Keep 将持续构建科技互联下的运动生态, 带领全世界的人一起科学运动。相信,在不久的将来我们就会得知答案。

我们一起期待着。

文章评论