人們談?wù)撝T如“物聯(lián)網(wǎng)”，“大數(shù)據(jù)”等趨勢非常普遍。和“機(jī)器人”。
我要說的是，實(shí)際上，這些趨勢相互關(guān)聯(lián)并形成一個總體趨勢，就像“萬物理論”一樣。在此鏈中，每個鏈接都會對下一個鏈接產(chǎn)生影響，這是積極的。
的循環(huán)。各種連接的設(shè)備中的傳感器將生成大量數(shù)據(jù)。
大量數(shù)據(jù)使機(jī)器學(xué)習(xí)成為可能。機(jī)器學(xué)習(xí)的結(jié)果是AI，AI指示機(jī)器人更加準(zhǔn)確地執(zhí)行任務(wù)，并且機(jī)器人的動作觸發(fā)了傳感器。
整個過程是一個完整的周期。 1.傳感器生成數(shù)據(jù)到2014年，連接到Internet的設(shè)備數(shù)量已超過世界總?cè)丝凇?br>思科預(yù)測，到2020年，將有500億個互聯(lián)設(shè)備。這些設(shè)備中的大多數(shù)將配備傳感器，這些傳感器可以使用Electric Imp內(nèi)置傳感器，也可以使用Estimote連接外部傳感器。
設(shè)備中的傳感器將生成前所未有的數(shù)據(jù)量。 2.支持機(jī)器學(xué)習(xí)的數(shù)據(jù)到2020年，預(yù)計(jì)將生成35ZB數(shù)據(jù)，這是2009年數(shù)據(jù)量的44倍。
那時(shí)，無論是結(jié)構(gòu)化數(shù)據(jù)還是更可能是非結(jié)構(gòu)化數(shù)據(jù)，都可以由機(jī)器處理，以獲得很多見解。 3.改進(jìn)機(jī)器學(xué)習(xí)AI機(jī)器學(xué)習(xí)依賴于數(shù)據(jù)處理和模式識別，因此計(jì)算機(jī)無需編程即可學(xué)習(xí)。
大量的數(shù)據(jù)和計(jì)算能力正在推動機(jī)器學(xué)習(xí)的突破。機(jī)器學(xué)習(xí)的全部功能，只需看一下Google。
Google使用機(jī)器學(xué)習(xí)來繪制法國每個公司，每個房屋和每條街道的位置圖。整個過程僅需1個小時(shí)。
4.人工智能指導(dǎo)機(jī)器人的動作由于計(jì)算機(jī)在國際象棋和路標(biāo)方面的表現(xiàn)已經(jīng)優(yōu)于人類，因此我們有理由期望未來會有更多發(fā)展。隨著越來越多的傳感器收集越來越多的數(shù)據(jù)，這可以優(yōu)化更多的機(jī)器學(xué)習(xí)算法，因此我們可以從邏輯上推斷，結(jié)合機(jī)器人的計(jì)算機(jī)執(zhí)行任務(wù)的能力將成倍增加。
5.機(jī)器人采取行動不僅??有數(shù)百家公司在制造可以完成各種任務(wù)的機(jī)器人，而且機(jī)器人自身也將變得越來越智能，并且隨著AI的發(fā)展，它們也可以完成我們夢dream以求的任務(wù)。 6.動作觸發(fā)傳感器機(jī)器采取動作觸發(fā)傳感器采集數(shù)據(jù)，從而完成整個循環(huán)。
這就是所謂的“萬物理論”。