人工智能化的传感器技术

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.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