傳感器、大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能和機(jī)器人是怎樣擰在一起了呢？在人工智能時(shí)代硬件和軟件是共生演化的，彼此影響的呢？

“物聯(lián)網(wǎng)"、“大數(shù)據(jù)"和“機(jī)器人"等,其實(shí)這些趨勢(shì)是相互聯(lián)系在一起的，擰成一個(gè)大趨勢(shì)， 在這個(gè)鏈條里，每一環(huán)都會(huì)對(duì)下一環(huán)產(chǎn)生影響，如此產(chǎn)生積極的循環(huán)。 各種連接的設(shè)備里的傳感器會(huì)產(chǎn)生大量數(shù)據(jù)，海量數(shù)據(jù)使得機(jī)器學(xué)習(xí)成為可能，機(jī)器學(xué)習(xí)的結(jié)果就是AI，而AI又指導(dǎo)機(jī)器人去更精確地執(zhí)行任務(wù)，機(jī)器人的行動(dòng)又會(huì)觸發(fā)傳感器。這整個(gè)就是一個(gè)完整的循環(huán)。

1.傳感器產(chǎn)生數(shù)據(jù)

到2014年，連接到互聯(lián)網(wǎng)的設(shè)備超過(guò)了世界人口的總和。 Cisco預(yù)測(cè)，到2020年，將有500億個(gè)相互連接的設(shè)備。而這些設(shè)備中大多都會(huì)安傳感器，可能用Electric Imp內(nèi)嵌傳感器，或者用Estimote外接一個(gè)傳感器。

設(shè)備中的傳感器會(huì)產(chǎn)生的海量數(shù)據(jù)。

2.數(shù)據(jù)支撐機(jī)器學(xué)習(xí)

在2020年，預(yù)計(jì)有35ZB的數(shù)據(jù)產(chǎn)生，也就是2009年數(shù)據(jù)量的44倍。到時(shí)候，不管是結(jié)構(gòu)化的、或更可能是沒(méi)有結(jié)構(gòu)化的數(shù)據(jù)都可以通過(guò)機(jī)器來(lái)處理，從而獲得大量洞見(jiàn)。

3.機(jī)器學(xué)習(xí)改善AI

機(jī)器學(xué)習(xí)依靠數(shù)據(jù)處理和模式識(shí)別，從而讓計(jì)算機(jī)不需要編程就能去學(xué)習(xí)。現(xiàn)在的海量數(shù)據(jù)和計(jì)算能力都在驅(qū)使機(jī)器學(xué)習(xí)的突破。

機(jī)器學(xué)習(xí)的十足威力，看看就知道了。

就是利用機(jī)器學(xué)習(xí)，把法國(guó)每一個(gè)企業(yè)的位置、每一個(gè)住房、每一條街都繪制在地圖上了。整個(gè)過(guò)程只需1個(gè)小時(shí)。

4.人工智能指導(dǎo)機(jī)器人行動(dòng)

隨著計(jì)算機(jī)已經(jīng)在象棋和路標(biāo)方面做得比人類好了，我們就有理由對(duì)未來(lái)有更多期待。隨著更多的傳感器采集到的數(shù)據(jù)越來(lái)越多，這能優(yōu)化更多的機(jī)器學(xué)習(xí)算法，從而我們可以合乎邏輯地推斷，與機(jī)器人結(jié)合的計(jì)算機(jī)執(zhí)行任務(wù)的能力會(huì)呈指數(shù)級(jí)增長(zhǎng)。

5.機(jī)器人采取行動(dòng)

不僅數(shù)以百計(jì)的公司在制作可以完成各種工作的機(jī)器人，機(jī)器人本身也會(huì)變得越來(lái)越智能， 而且借助AI的進(jìn)步，還能完成很多我們夢(mèng)寐以求的任務(wù)。

6.行動(dòng)觸發(fā)傳感器

機(jī)器采取行動(dòng)觸發(fā)傳感器來(lái)收集數(shù)據(jù)，從而整個(gè)循環(huán)就完整了。

這就是整個(gè)人工智能生態(tài)的技術(shù)鏈。

人工智能技術(shù)優(yōu)化傳感器系統(tǒng)

人工智能技術(shù)能夠?qū)鞲衅飨到y(tǒng)有所幫助，它們是：基于知識(shí)的系統(tǒng)、模糊邏輯、自動(dòng)知識(shí)收集、神經(jīng)網(wǎng)絡(luò)、遺傳算法、基于案例推理和環(huán)境智能。這些技術(shù)在傳感器系統(tǒng)中的應(yīng)用越來(lái)越廣泛，不僅因?yàn)樗鼈兇_實(shí)有效，還因?yàn)榻裉斓挠?jì)算機(jī)應(yīng)用越來(lái)越普及。

這些人工智能技術(shù)具有低的計(jì)算復(fù)雜度，可以應(yīng)用于小型傳感器系統(tǒng)、單一傳感器或者采用低容量微型控制器陣列的系統(tǒng)。正確應(yīng)用人工智能技術(shù)將會(huì)創(chuàng)造更多富有競(jìng)爭(zhēng)力的傳感器系統(tǒng)和應(yīng)用。

人工智能領(lǐng)域的其他技術(shù)進(jìn)步也將會(huì)給傳感器系統(tǒng)帶來(lái)沖擊，包括數(shù)據(jù)挖掘技術(shù)、多主體系統(tǒng)和分布式自組織系統(tǒng)。環(huán)境傳感技術(shù)能夠?qū)⒑芏辔⑿碗娮犹幚砥骱蛡鞲衅骷傻饺粘Ｎ锲分?，使其具有智能。它們可以?chuàng)造智能環(huán)境，與其他智能設(shè)備通訊，并與人類實(shí)現(xiàn)交互。給出的建議能夠幫助用戶更加直觀地完成任務(wù)，但是這種集成技術(shù)的后果將會(huì)很難預(yù)測(cè)。使用環(huán)境智能和多種人工智能技術(shù)的組合能夠?qū)⑦@種技術(shù)發(fā)揮到致。

創(chuàng)建更智能的傳感器系統(tǒng)

可以采用人工智能對(duì)傳感器系統(tǒng)進(jìn)行優(yōu)化。人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)分支出現(xiàn)于20世紀(jì)50年代，它繁衍出了很多功能強(qiáng)大的工具，在傳感器系統(tǒng)中具有巨大作用，能夠自動(dòng)解決那些原本需要人類智能才能夠解決的問(wèn)題。

雖然人工智能進(jìn)入工業(yè)領(lǐng)域的進(jìn)程較為緩慢，但是它必將帶來(lái)靈活性、可重新配置能力和可靠性方面的進(jìn)步。全新的系統(tǒng)設(shè)備在越來(lái)越多的任務(wù)中表現(xiàn)出超過(guò)人類的性能。隨著它們與人類越來(lái)越緊密，我們將人類大腦與計(jì)算機(jī)能力結(jié)合起來(lái)，實(shí)現(xiàn)商討、分析、推論、通訊和發(fā)明。

人工智能結(jié)合了多種先進(jìn)技術(shù)，賦予了機(jī)器學(xué)習(xí)、采納、決策的能力，給予他們?nèi)碌墓δ?。這一成就依賴于神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、自組織系統(tǒng)、模糊邏輯和遺傳算法等技術(shù)，人工智能技術(shù)將其應(yīng)用領(lǐng)域擴(kuò)展到了很多其他領(lǐng)域，其中一些領(lǐng)域需要對(duì)傳感器信息進(jìn)行解析和處理，例如裝配、生物傳感器、建筑建模、計(jì)算機(jī)視覺(jué)、切割工具診斷、環(huán)境工程、力值傳感、健康監(jiān)控、人機(jī)交互、網(wǎng)絡(luò)應(yīng)用、激光銑削、維護(hù)和檢查、動(dòng)力輔助、機(jī)器人、傳感器網(wǎng)絡(luò)和遙控作業(yè)等等。

這些人工智能方面的發(fā)展被引入到了更加復(fù)雜的傳感器系統(tǒng)中。點(diǎn)擊鼠標(biāo)、輕敲開(kāi)關(guān)或者大腦的思考都會(huì)將任何傳感器數(shù)據(jù)轉(zhuǎn)化為信息并發(fā)送給你。近期此項(xiàng)研究已經(jīng)有所斬獲， 在如下七個(gè)領(lǐng)域中人工智能可以幫助傳感器系統(tǒng)。

1、基于知識(shí)的系統(tǒng)

基于知識(shí)的系統(tǒng)也被稱為專家系統(tǒng)，它是一種計(jì)算機(jī)應(yīng)用程序，整合了大量與某一領(lǐng)域相關(guān)聯(lián)的問(wèn)題解決方案。

專家系統(tǒng)通常有兩個(gè)組成部分，知識(shí)數(shù)據(jù)庫(kù)和推斷機(jī)制。知識(shí)數(shù)據(jù)庫(kù)以“如果-那么"的形式表述了這個(gè)領(lǐng)域內(nèi)的各種知識(shí)，加上各種事實(shí)陳述、框架、對(duì)象和案例。推斷機(jī)制對(duì)存儲(chǔ)的知識(shí)進(jìn)行操作，產(chǎn)生針對(duì)問(wèn)題的解決方案。知識(shí)操作方法包含繼承和約束條件(在基于框架和面向?qū)ο蟮膶＜蚁到y(tǒng))、檢索并采納案例(案例系統(tǒng))和應(yīng)用推斷規(guī)則(規(guī)則系統(tǒng))，具體取決于某些控制程序(前向或反向鏈接)和搜索策略(深度優(yōu)先或者廣度優(yōu)先)。

基于規(guī)則的系統(tǒng)將系統(tǒng)的知識(shí)描述為“如果-那么-否則"的形式。特殊的知識(shí)可以用于據(jù)側(cè)。這些系統(tǒng)善于以人類稔熟的形式呈現(xiàn)知識(shí)并作出決策。

由于使用嚴(yán)格的規(guī)則限制，它們并不擅長(zhǎng)于應(yīng)對(duì)不確定的任務(wù)和不精確的場(chǎng)景。典型的規(guī)則系統(tǒng)具有四個(gè)組成部分：規(guī)則列表或者規(guī)則數(shù)據(jù)庫(kù)(知識(shí)數(shù)據(jù)庫(kù)的一種特殊形式)、推斷引擎或者解析器(根據(jù)輸入和規(guī)則數(shù)據(jù)庫(kù)推斷信息或者采取行動(dòng))、臨時(shí)工作存儲(chǔ)器、用戶接口或者其他與外部世界的互通方法，將輸入和輸出信號(hào)接收進(jìn)來(lái)和發(fā)送出去。

基于案例推理方法是基于過(guò)往問(wèn)題的經(jīng)驗(yàn)解決現(xiàn)有問(wèn)題。這種解決方案被存儲(chǔ)于數(shù)據(jù)庫(kù)之中，作為人類專家的經(jīng)驗(yàn)總結(jié)。當(dāng)系統(tǒng)發(fā)生了的問(wèn)題，它會(huì)將問(wèn)題與過(guò)往問(wèn)題對(duì)比，找到一個(gè)與現(xiàn)有問(wèn)題較為相近的案例。然后按照過(guò)往的解決方案解決問(wèn)題，并按照成功和失敗與否更新數(shù)據(jù)庫(kù)?；诎咐评硐到y(tǒng)通常被認(rèn)為是規(guī)則系統(tǒng)的一種擴(kuò)展，他們善于以人類稔熟的形式呈現(xiàn)知識(shí)，具有從過(guò)往案例學(xué)習(xí)并產(chǎn)生新案例的能力。

2、基于案例推理

基于案例推理針對(duì)計(jì)算機(jī)應(yīng)用形成了四個(gè)步驟：

1、檢索：給出目標(biāo)問(wèn)題，從內(nèi)存檢索相關(guān)案例以解決這個(gè)問(wèn)題。案例包括問(wèn)題、解決方案以及關(guān)于這個(gè)解決方案是如何得到的注釋。

2、重用：將解決方案從過(guò)往案例映射到目標(biāo)問(wèn)題上。這一過(guò)程包括對(duì)新場(chǎng)景適應(yīng)性變更。

3、修改：在將解決方案從過(guò)往案例映射到目標(biāo)場(chǎng)景之后，測(cè)試新的解決方案在真實(shí)世界(或者仿真場(chǎng)景)中是否奏效，如果必要，進(jìn)行修改。

4、保留：如果解決方案成功地解決了目標(biāo)問(wèn)題，那么將解決方案作為全新案例存儲(chǔ)于內(nèi)存中。

這一方法的爭(zhēng)論點(diǎn)在于它采納了一些未經(jīng)證實(shí)的證據(jù)作為主要作業(yè)準(zhǔn)則。沒(méi)有統(tǒng)計(jì)相關(guān)數(shù)據(jù)作為支撐，很難確保結(jié)論的準(zhǔn)確性。所有根據(jù)少量數(shù)據(jù)做出的推理都被認(rèn)為是未經(jīng)證實(shí)的證據(jù)。

基于案例推理這一概念的宗旨就是將過(guò)往問(wèn)題的解決方案應(yīng)用在當(dāng)前問(wèn)題上。這種解決方案被存儲(chǔ)于數(shù)據(jù)庫(kù)之中，作為人類專家的經(jīng)驗(yàn)總結(jié)。當(dāng)系統(tǒng)發(fā)生了的問(wèn)題，它會(huì)將問(wèn)題與過(guò)往問(wèn)題對(duì)比，找到一個(gè)與現(xiàn)有問(wèn)題較為相近的案例。然后按照過(guò)往的解決方案解決問(wèn)題，并按照成功和失敗與否更新數(shù)據(jù)庫(kù)。

基于案例推理系統(tǒng)通常被認(rèn)為是規(guī)則系統(tǒng)的擴(kuò)展。和規(guī)則系統(tǒng)類似，基于案例推理系統(tǒng)善于以人類稔熟的方式呈現(xiàn)知識(shí)，不但如此，基于案例推理系統(tǒng)還具有從過(guò)往案例學(xué)習(xí)并產(chǎn)生新案例的能力。圖1所示為基于案例推理系統(tǒng)。

圖示1是基于案例推理系統(tǒng)，和基于規(guī)則的系統(tǒng)一樣，基于案例推理系統(tǒng)的擅長(zhǎng)之處在于以人類稔熟的方式呈現(xiàn)信息；同時(shí)，基于案例推理系統(tǒng)也具有從過(guò)去案例學(xué)習(xí)進(jìn)而創(chuàng)建新增案例的能力。

很多專家系統(tǒng)再開(kāi)發(fā)時(shí)都采用了一種被稱為“殼"的程序，它是一種配備了完整的推斷和知識(shí)存儲(chǔ)設(shè)備但是并不具備相關(guān)領(lǐng)域內(nèi)知識(shí)的專家系統(tǒng)。一些復(fù)雜的專家系統(tǒng)的構(gòu)建依賴于“開(kāi)發(fā)環(huán)境"，后者比殼的應(yīng)用更加靈活，為用戶提供了構(gòu)建自定義判斷和知識(shí)呈現(xiàn)方法的機(jī)會(huì)。

專家系統(tǒng)恐怕是這些技術(shù)中較為成熟的一種，有很多商業(yè)殼系統(tǒng)和開(kāi)發(fā)工具可供使用。一旦某一領(lǐng)域內(nèi)的知識(shí)被導(dǎo)入了專家系統(tǒng)，構(gòu)建整個(gè)系統(tǒng)的過(guò)程就相對(duì)簡(jiǎn)單了。由于專家系統(tǒng)便于使用，所以應(yīng)用廣泛。在傳感器系統(tǒng)中，有很多應(yīng)用領(lǐng)域，包括選擇傳感器輸入、解析信號(hào)、狀態(tài)監(jiān)控、故障診斷、機(jī)器和過(guò)程控制、機(jī)器設(shè)計(jì)、過(guò)程規(guī)劃、生產(chǎn)規(guī)劃和系統(tǒng)配置。專家系統(tǒng)的應(yīng)用還包括裝配、自動(dòng)編程、復(fù)雜智能車輛的控制、檢查規(guī)劃、預(yù)測(cè)危險(xiǎn)、選擇工具和加工策略、工序規(guī)劃和工廠擴(kuò)建的控制。