人工智能传感器的卓越功能将带您进入数据世界的新领域！

经济学中有一个术语称为“网络效应”，这意味着当更多的消费者使用一种产品时，产品本身的价值将随着消费者数量的增加而增加. 例如，在淘宝和头条等平台上，用户越多，平台可以获得的数据就越多，而机器学习模型可以通过越来越多的数据培训来获得更准确的模型，从而为客户带来更好的体验简而言之，在当今的Internet中越来越多的“网络效应”出现，其背后的原理是人工智能技术.

在人工智能技术的研究中，还存在一定的“网络效应”. 随着人工智能技术的发展，传感器和其他以前无法充分应用的技术被充分利用在自动驾驶和机器人的研究中.

自动驾驶汽车和其他智能机器人都依赖传感器. 这些传感器可以生成许多高度可变的数据，以构建更好的人工智能模型. 机器人需要依靠这些模型进行实时决策并在实际环境中进行决策. 导航.

如今，传感器和人工智能的融合是智能机器人的核心，形成了良性的反馈回路，或者我们可以称其为“机器人网络效应”. 目前，我们正处于引爆这种网络效应并改变机器人技术的临界点.

人工智能硬件的快速发展离不开传感器的支持

要了解为什么机器人技术是人工智能的下一个前沿领域，我们必须退后一步，首先要了解人工智能本身是如何发展的.

近年来，不断发展的机器智能系统已经能够利用大量数据，并且这些数据在1990年代中期没有出现智能传感器功能，并且Internet仍处于起步阶段. 存储和计算技术的进步使快速，经济地处理大量数据成为可能. 但是这些工程上的改进并不能解释人工智能的快速发展.

开源机器学习库和框架起着重要作用. 15年前，根据BSD开源许可发布科学计算框架Torch时，它包含了数据科学家常用的许多算法，包括深度学习，多层感知器，支持向量机和K-Nearest算法（KNN: K -最近的邻居.

最近，像TensorFlow和PyTorch这样的开源项目为这一共享知识库做出了巨大贡献，以帮助不同背景的软件工程师开发新的模型和应用程序序列. 领域专家需要大量数据来创建和训练这些模型. 因此，大型企业具有绝对优势，因为它们可以利用现有的数据网络效应.

传感器的魔术数据处理功能

自1960年代初以来，已经存在光检测和测距（激光）传感器. 从那时起，它们已用于地理信息学，考古学，林业，大气研究，国防和其他工业领域. 近年来，激光雷达已成为自主导航的首选传感器.

Google的自动驾驶汽车上的激光雷达传感器可以每秒产生750MB的数据. 八个车载计算机视觉摄像机每秒可生成1.8 GB数据. 所有这些数据都必须实时处理，但是集中计算（在云计算中）对于实时，高速的情况还不够快. 为了解决这一瓶颈，科学家通过将处理推进到边缘或在机器人上进行分散计算.

当前，大多数自动驾驶汽车的解决方案是使用两个车载“盒子”，每个盒子都配备英特尔的Xeon E5 CPU和4至8个Nvidia K80 GPU. 就峰值性能而言，这消耗了超过5000W的功率. Nvidia的新型Drive PX Pegasus等最新的硬件创新可以每秒执行320万亿次计算，并且开始更有效地解决这一瓶颈.

人类处理传感器数据和整合各种数据形式的能力将继续促进智能机器人的发展. 为了使传感器融合实时发生，人类需要将机器学习和深度学习模型置于边缘. 当然，去中心化人工智能对去中心化处理器也有一定的要求.

幸运的是，机器学习和深度学习计算正在变得越来越高效. 例如，Graphcore的智能处理单元（IPU）和Google的Tensor处理单元（TPU）正在降低成本并在规模上加速神经网络的性能.

在其他方面，IBM正在开发模仿大脑解剖结构的神经形态芯片. 该原型使用一百万个神经元，每个神经元具有256个突触. 该系统的设计近似于人脑对感知数据的解释和分析智能传感器功能，因此可以有效地解释感觉数据.

来自传感器的所有数据意味着我们正处于机器人网络效应的边缘，这种转变将对人工智能，机器人技术及其各种应用产生重大影响.

人工智能技术突破下的新数据世界

机器人网络效应使新技术和机器不仅可以处理大量数据和速度，还可以扩展数据种类. 新的传感器将能够检测和捕获人类可能没有想到的数据，因为人类的感知能力有限. 机器和智能设备可以将数据反馈到云和附近的代理，为决策提供信息，加强协调，并在持续改进模型中发挥重要作用.

进步远比许的意识快. 例如，Aromyx使用受体和高级机器学习模型来构建传感器系统. 它是用于数字捕获，索引和搜索气味和味道数据的平台. 该公司的EssenceChip是一次性传感器. 当人类闻到或品尝食物或饮料时，可以输出人类鼻子或舌头发送给大脑的相同生化信号.

Open Bionics正在开发一种机器人假体，该假体依靠手臂中传感器收集的触觉数据来控制手和手指的运动. 这种非侵入性设计利用机器学习模型将电极感受到的精细肌肉张力转换成仿生手的复杂运动响应.

传感器数据将有助于促进人工智能的发展. 人工智能系统将同时扩展人类处理数据和发现这些数据的创造性用途的能力. 在其他方面，这还将刺激新的机器人形态因素并收集更广泛的数据形式. 当我们以新的方式提高``看''的能力时，日常世界将迅速成为下一个发现的重要领域.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-192488-1.html