编者按：当你将人工智能和未来世界联系在一起时，你的脑中浮现的一定是各种炫酷的科幻场景。但对于微软研究院系统与网络组首席研究员Ranveer Chandra来说，未来的人工智能也许会在增强Wi-Fi信号、延长电池寿命和实现精准农业等看起来并不起眼的领域上大有可为。一起来听听他的想法吧！本文是Ranveer Chandra采访内容的文字精简版，了解完整内容，请收听文中采访音频。
微软研究院系统与网络组首席研究员Ranveer Chandra
采访音频：
2005年，我从康奈尔大学毕业之后加入了微软，我的研究领域从最初的网络一直扩展到电池、农业等，所有这些研究都是围绕着系统领域展开的。我们在尝试用各种全新的技术将全世界连接起来，让人工智能能够造福每一个人。
增强Wi-Fi信号
现在，只要一离开家，家里的Wi-Fi就无法覆盖到我们。但想象一下，如果将来有一个能让你在距家几英里之外还访问家中互联网的路由器该有多好。
为了实现这个想法，我们从2009年开始就开展了一个名为White Space的项目——利用空白电视频段（empty TV channel）来输送Wi-Fi信号。在相同的功率水平下，UHF（Ultra High Frequency）电视频率传播的信号距离是Wi-Fi的4倍，而VHF（Very High Frequency）频率传播的信号距离则是Wi-Fi的12倍，这是在什么都没有的空间里产生的结果，如果我们把树木、庄稼、建筑物也考虑在内的话，信号会传播更远。事实上，我们在印度的实验中为一所乡村高中通了互联网，学校周围16公里的地方都能接受到Wi-Fi信号。
将Wi-Fi信号接入到空白电视频段利用了动态频谱接入技术，我们提出了一个有网络服务器后台的构架，待接入设备会向网络服务器传送位置信息，然后网络服务器会根据位置信息返回可接入的频段信息，这是建立互联网连接的一种新方法。事实上，围绕着空白电视频段存在着一个完整的生态系统，大量企业都在生产相关设备。我们希望互联网能进入世界上最偏远的地方，现在我们已经迈出了第一步。
延长电池使用时间
除了Wi-Fi，电池也在悄悄发生着改变。从2010年起，我们开始了对电池的研究，试图研究如何将移动设备的电池使用时间延长至一周，这些移动设备包括手机、笔记本电脑、平板电脑、二合一设备等产品。
我们尝试改造了整个电池组——包括电池、电池管理系统、电池驱动程序、操作系统以及运行的应用程序。最开始，我们先为电池的消耗进行建模，用来了解屏幕、处理器、网络等各部分的电池消耗量。然后，我们尝试将不同化学成分的电池（例如快充电池和高能量密度电池）结合在一起，用户可以根据需求切换到不同的电池。我们构建了包括从电池到电池硬件和操作系统模块以及能预测未来电池工作量的AIP(artificial intelligence piece)在内的整个电池组。在此基础上，我们提出了software-defined batteries的全新电池模式，允许用户混合和匹配不同的电池。
目前，我们已经在移动设备上试用了这项技术，但我们还希望能扩大它的应用范围，例如在电网中可以利用这项技术提高储电量。另一个可能的应用场景是电动汽车，行驶途中的交通状况、温度、刹车频率等因素都会影响到电动车电池的消耗。而根据目的地信息，电池组的AIP组件能够提早预测相应的电池影响因素，进而智能选择使用不同的电池，让车辆行驶地更久。
精准农业
我在印度长大，每年的寒暑假，我都会和住在农村的祖父母一起度过。在某种程度上，我不喜欢当地的耕种方式，那似乎和贫穷挂钩。在学习计算机之后，我想开发一种能影响他们耕作方式的技术，这也是我开展FarmBeats研究的初衷。
FarmBeats的目标是实现数据驱动农业。到2050年，世界粮食生产需要增加约70%才能养活全球日益增长的人口。要满足这种粮食生产需求就要增加耕地数量，但耕地的数量是固定的，而且水资源也正在减少。所以现在最有希望满足粮食需求的技术似乎就是数据驱动的农业。
数据驱动的农业能够绘制包含一块农田所有相关数据的地图，例如，整块农田的土壤养分水平是多少？土壤以下6英寸处土壤湿度是多少？如果能够做到这一点，就可以实现精准农业——在特定的地点做特定的事，这样效率就会大大提高。例如，只在需要的地方灌溉和喷洒杀虫剂，而不需要喷洒灌溉整个农田。精准农业已被证明可以提高产量，降低成本，对环境也有很大的好处。
其实，精准农业的概念在上世纪80年代就被提出了，但由于成本的原因没有大面积被应用。我们的目标是将这些数据驱动农业解决方案的成本降低两个数量级，比如将传感器的价格从8000美元降为80美元，我们有信心可以做到这一点。
事实上，White Space项目和FarmBeats项目可以很好地结合起来。现有传感器价格昂贵的一个重要原因是传感器和云计算服务之间高昂的连接费用，农场里通常需要通过卫星或者是自建基站来传输数据。但是人们生活的区域都会有电视塔，而且因为农村人少、电视塔也少，所以会有更多空白的电视频段，这也意味着我们有更多的频谱可用。这些频谱能够传输数百兆字节的数据，可以让我们连接传感器、无人机、摄像头等，进一步连接起整个农场。
为了绘制精准的土壤湿度的农场地图，往往需要在不同的土壤中部署大量传感器，成本投入巨大。而为了减少传感器的使用数量，我们将地面传感器数据与无人机获得的航空图像相结合。利用地面传感器获得的数据和航空图像来训练机器学习模型，进而建立准确的土壤水分、土壤温度、土壤PH值等地图。同时，我们在农场部署了Azure物联网边缘设备，在本地就可以进行机器学习、数据处理等任务，最后只需将处理结果传送到云端即可。除此之外，FarmBeats项目还包括电力创新在内的一系列方案。
在微软，我们不仅仅在写论文、做研究，也在通过与不同领域的人的合作将研究转化成产品。就像FarmBeats这个项目，我们需要跟包括计算机视觉、机器学习、硬件、农业、电池、网络系统等不同领域的专家合作，最终让并不懂技术的农民能够使用到这项成果，让更多人从中获益。
长久以来，支撑我们研究的背后力量，是使技术更加普及，让技术惠及更多弱势群体。对于研究者而言，如果能够把如何造福普通人这一因素纳入到自己的研究项目当中来，将会给研究带来一个全新的视角，而解决实际问题也会给研究员带来极大的成就感。
让我们继续更深入地扩展计算机科学中最先进的技术，不断思考如何才能造福世界、造福更多普通人。
你也许还想看：
感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。
