人工智能时代硬件和软件如何彼此影响.doc
《人工智能时代硬件和软件如何彼此影响.doc》由会员分享,可在线阅读,更多相关《人工智能时代硬件和软件如何彼此影响.doc(9页珍藏版)》请在三一文库上搜索。
1、人工智能时代硬件和软件如何彼此影响12月15日,工信部正式印发了促进新一代人工智能产业发展三年行动计划,为2018年到2020年人工智能发展指明了前进的方向。计划中的重点内容是培育八项智能产品和四项核心基础,而智能传感器正排在核心基础的第一位,处于最基础最重要的地位。万物相连技术链传感器、大数据、机器学习、人工智能和机器人是怎样拧在一起了呢?在人工智能时代硬件和软件是共生演化的,彼此影响的呢?“物联网”、“大数据”和“机器人”等,其实这些趋势是相互联系在一起的,拧成一个大趋势, 在这个链条里,每一环都会对下一环产生影响,如此产生积极的循环。 各种连接的设备里的传感器会产生大量数据,海量数据使得
2、机器学习成为可能,机器学习的结果就是AI,而AI又指导机器人去更精确地执行任务,机器人的行动又会触发传感器。这整个就是一个完整的循环。1.传感器产生数据到2014年,连接到互联网的设备超过了世界人口的总和。 Cisco预测,到2020年,将有500亿个相互连接的设备。而这些设备中大多都会安传感器,可能用Electric Imp内嵌传感器,或者用Estimote外接一个传感器。设备中的传感器会产生前所未有的海量数据。2.数据支撑机器学习在2020年,预计有35ZB的数据产生,也就是2009年数据量的44倍。到时候,不管是结构化的、或更可能是没有结构化的数据都可以通过机器来处理,从而获得大量洞见。
3、3.机器学习改善AI机器学习依靠数据处理和模式识别,从而让计算机不需要编程就能去学习。现在的海量数据和计算能力都在驱使机器学习的突破。机器学习的十足威力,看看Google就知道了。Google就是利用机器学习,把法国每一个企业的位置、每一个住房、每一条街都绘制在地图上了。整个过程只需1个小时。4.人工智能指导机器人行动随着计算机已经在象棋和路标方面做得比人类好了,我们就有理由对未来有更多期待。随着更多的传感器采集到的数据越来越多,这能优化更多的机器学习算法,从而我们可以合乎逻辑地推断,与机器人结合的计算机执行任务的能力会呈指数级增长。5.机器人采取行动不仅数以百计的公司在制作可以完成各种工作的
4、机器人,机器人本身也会变得越来越智能, 而且借助AI的进步,还能完成很多我们梦寐以求的任务。6.行动触发传感器机器采取行动触发传感器来收集数据,从而整个循环就完整了。这就是整个人工智能生态的技术链。人工智能技术优化传感器系统人工智能技术能够对传感器系统有所帮助,它们是:基于知识的系统、模糊逻辑、自动知识收集、神经网络、遗传算法、基于案例推理和环境智能。这些技术在传感器系统中的应用越来越广泛,不仅因为它们确实有效,还因为今天的计算机应用越来越普及。这些人工智能技术具有最低的计算复杂度,可以应用于小型传感器系统、单一传感器或者采用低容量微型控制器阵列的系统。正确应用人工智能技术将会创造更多富有竞争
5、力的传感器系统和应用。人工智能领域的其他技术进步也将会给传感器系统带来冲击,包括数据挖掘技术、多主体系统和分布式自组织系统。环境传感技术能够将很多微型电子处理器和传感器集成到日常物品中,使其具有智能。它们可以创造智能环境,与其他智能设备通讯,并与人类实现交互。给出的建议能够帮助用户更加直观地完成任务,但是这种集成技术的后果将会很难预测。使用环境智能和多种人工智能技术的组合能够将这种技术发挥到极致。创建更智能的传感器系统可以采用人工智能对传感器系统进行优化。人工智能作为计算机科学的一个分支出现于20世纪50年代,它繁衍出了很多功能强大的工具,在传感器系统中具有巨大作用,能够自动解决那些原本需要人
6、类智能才能够解决的问题。虽然人工智能进入工业领域的进程较为缓慢,但是它必将带来灵活性、可重新配置能力和可靠性方面的进步。全新的系统设备在越来越多的任务中表现出超过人类的性能。随着它们与人类越来越紧密,我们将人类大脑与计算机能力结合起来,实现商讨、分析、推论、通讯和发明。人工智能结合了多种先进技术,赋予了机器学习、采纳、决策的能力,给予他们全新的功能。这一成就依赖于神经网络、专家系统、自组织系统、模糊逻辑和遗传算法等技术,人工智能技术将其应用领域扩展到了很多其他领域,其中一些领域需要对传感器信息进行解析和处理,例如装配、生物传感器、建筑建模、计算机视觉、切割工具诊断、环境工程、力值传感、健康监控
7、、人机交互、网络应用、激光铣削、维护和检查、动力辅助、机器人、传感器网络和遥控作业等等。这些人工智能方面的发展被引入到了更加复杂的传感器系统中。点击鼠标、轻敲开关或者大脑的思考都会将任何传感器数据转化为信息并发送给你。近期此项研究已经有所斩获, 在如下七个领域中人工智能可以帮助传感器系统。1、基于知识的系统基于知识的系统也被称为专家系统,它是一种计算机应用程序,整合了大量与某一领域相关联的问题解决方案。专家系统通常有两个组成部分,知识数据库和推断机制。知识数据库以“如果-那么”的形式表述了这个领域内的各种知识,加上各种事实陈述、框架、对象和案例。推断机制对存储的知识进行操作,产生针对问题的解决
8、方案。知识操作方法包含继承和约束条件(在基于框架和面向对象的专家系统)、检索并采纳案例(案例系统)和应用推断规则(规则系统),具体取决于某些控制程序(前向或反向链接)和搜索策略(深度优先或者广度优先)。基于规则的系统将系统的知识描述为“如果-那么-否则”的形式。特殊的知识可以用于据侧。这些系统善于以人类稔熟的形式呈现知识并作出决策。由于使用严格的规则限制,它们并不擅长于应对不确定的任务和不精确的场景。典型的规则系统具有四个组成部分:规则列表或者规则数据库(知识数据库的一种特殊形式)、推断引擎或者解析器(根据输入和规则数据库推断信息或者采取行动)、临时工作存储器、用户接口或者其他与外部世界的互通
9、方法,将输入和输出信号接收进来和发送出去。基于案例推理方法是基于过往问题的经验解决现有问题。这种解决方案被存储于数据库之中,作为人类专家的经验总结。当系统发生了前所未有的问题,它会将问题与过往问题对比,找到一个与现有问题最为相近的案例。然后按照过往的解决方案解决问题,并按照成功和失败与否更新数据库。基于案例推理系统通常被认为是规则系统的一种扩展,他们善于以人类稔熟的形式呈现知识,具有从过往案例学习并产生新案例的能力。2、基于案例推理基于案例推理针对计算机应用形成了四个步骤:1、检索:给出目标问题,从内存检索相关案例以解决这个问题。案例包括问题、解决方案以及关于这个解决方案是如何得到的注释。2、
10、重用:将解决方案从过往案例映射到目标问题上。这一过程包括对新场景适应性变更。3、修改:在将解决方案从过往案例映射到目标场景之后,测试新的解决方案在真实世界(或者仿真场景)中是否奏效,如果必要,进行修改。4、保留:如果解决方案成功地解决了目标问题,那么将解决方案作为全新案例存储于内存中。这一方法的争论点在于它采纳了一些未经证实的证据作为主要作业准则。没有统计相关数据作为支撑,很难确保结论的准确性。所有根据少量数据做出的推理都被认为是未经证实的证据。基于案例推理这一概念的宗旨就是将过往问题的解决方案应用在当前问题上。这种解决方案被存储于数据库之中,作为人类专家的经验总结。当系统发生了前所未有的问题
11、,它会将问题与过往问题对比,找到一个与现有问题最为相近的案例。然后按照过往的解决方案解决问题,并按照成功和失败与否更新数据库。基于案例推理系统通常被认为是规则系统的扩展。和规则系统类似,基于案例推理系统善于以人类稔熟的方式呈现知识,不但如此,基于案例推理系统还具有从过往案例学习并产生新案例的能力。图1所示为基于案例推理系统。图示1是基于案例推理系统,和基于规则的系统一样,基于案例推理系统的擅长之处在于以人类稔熟的方式呈现信息;同时,基于案例推理系统也具有从过去案例学习进而创建新增案例的能力。很多专家系统再开发时都采用了一种被称为“壳”的程序,它是一种配备了完整的推断和知识存储设备但是并不具备相
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 时代 硬件 软件 如何 彼此 影响
链接地址:https://www.31doc.com/p-3373359.html