大數(shù)據(jù)，人工智能，機器人是三個行業(yè)。觀察員從相互聯(lián)系和各行業(yè)不同的結(jié)構(gòu)進行分析。

【友情提醒：內(nèi)容很長，干貨很多。關(guān)注：機器人觀察員，我是你們機器人行業(yè)朋友】

一、相互聯(lián)系

大數(shù)據(jù)是基礎(chǔ)，人工智能是核心，機器人是執(zhí)行對象。

這是一個：五官信息——大腦處理——手腳執(zhí)行的過程。

大數(shù)據(jù)采集的數(shù)據(jù)：當下普及的數(shù)據(jù)，主要分為：結(jié)構(gòu)性數(shù)據(jù)可以獲取，同時可以針對包括文字，圖片，聲音進行識別及處理。在數(shù)據(jù)獲取方面，現(xiàn)在的機器人視覺，音頻采集，既刻意做到實時采集，同時可以做到在終端計算，對于要求更高一些的可以進行邊緣計算，再高級的那就進行云端計算。

具備數(shù)據(jù)分析的能力：現(xiàn)在比較多的邏輯分析，神經(jīng)樹分析，以及那些你們聽不懂的高端邏輯分析。歸類到最基層都是，歸類，相關(guān)性，模型回歸分析，更為高深的分析方式都是在這些數(shù)據(jù)的歸納以及訓(xùn)練中，慢慢建立起來的。

很明顯咱們這篇文章，不是介紹技術(shù)的，就是介紹，我也沒有能力在一篇文章中介紹完。

類比一下人類學(xué)習(xí)的過程。

大數(shù)據(jù)

1、歸類分析：我們從小學(xué)習(xí)，一直都在被訓(xùn)練，被教育規(guī)則，規(guī)則就是歸類分析的一種。我們看到有胸，有長頭發(fā)都歸類為女性。當然根據(jù)動態(tài)的環(huán)境獲取信息，我們會發(fā)現(xiàn)這是一個什么樣的女性，是漂亮的，還是一個偽娘。（這里面就是類似于歸類，這類歸類用大數(shù)據(jù)比較好理解）

2、相關(guān)性分析：類似于，將單個條件做縱向相關(guān)，例如，我們慢慢的發(fā)現(xiàn)，女人喜歡購物，喜歡逛街，你如果談戀愛，最好是帶她去逛街，去看電影。

這種相關(guān)性，畢竟不是像客觀條件一下，客觀條件是女人都有胸，但這種女人愛逛街，女人出現(xiàn)的場景在衣服店，都是關(guān)聯(lián)到女性這個個體上面，社會沒有一個固定的規(guī)則說，女人都愛逛街（確實有人不喜歡）。這類相關(guān)性分析，就是模型分析的基礎(chǔ)。

在機器人中，我們訓(xùn)練的時候，例如說訓(xùn)練無人駕駛，我們會在汽車進行右轉(zhuǎn)的時候，看看右轉(zhuǎn)專用道的旁邊有沒有行人，電動車等？為什么，因為根據(jù)視覺動作，你要根據(jù)出現(xiàn)的場景判定，這些行人不要闖紅燈。不然一個“鬼探頭”，那就慘了。

現(xiàn)在應(yīng)用最典型的是什么？是電銷機器人?，F(xiàn)在給你們打電話最多的不是真實的客戶，都是機器人。撥通電話后，你沉默不語，機器人會直接說，如果你問了某一個關(guān)鍵詞，那么系統(tǒng)制動設(shè)定一個話術(shù)回復(fù)。這就是最簡單的大數(shù)據(jù)分析。

3、模型分析

很多人都有疑問，為什么做人工智能的都是大公司，為什么大公司都進步這么快？

我來簡單的說一下，即使你召集幾個人做了一個智能語音，你也不能做到高端的人工智能！為什么？人工智能需要訓(xùn)練！訓(xùn)練人工智能的方式就是給他喂數(shù)據(jù)，喂超過PB級別的數(shù)據(jù)。

你沒有語料庫，科大訊飛，百度，阿里巴巴，騰訊，微軟，facebook都是超級大公司，都是即時通訊系統(tǒng)，能夠拿到國家級別的各類語料信息。同時國家也同你采集這些信息。（這里看到你的信息被收集了吧！這都是要授權(quán)的。）

例如無人駕駛，更是難度極高。因為你要訓(xùn)練無人駕駛系統(tǒng)，很顯然需要能夠難道大量的路況數(shù)據(jù)，以及各類交通場景的數(shù)據(jù)。這個一般人也拿不到啊，只有交通系統(tǒng)才有。

模型分析，比較典型的是判斷。屬于高深的一種機器學(xué)習(xí)。

模型學(xué)習(xí)，你可以理解為，我們訓(xùn)練一個新員工工作，怎么去訓(xùn)練？讓他做一件事情，做一個方案！方案就是模型，你可以不會，你什么都沒接觸過，客戶，供應(yīng)商都沒接觸過，但用這個模型你知道怎么做，在進行第一步行動后，根據(jù)反饋數(shù)據(jù)做下一步反饋。

谷歌那個alpha Go算是這類的代表了。下圍棋的訓(xùn)練。

一切指向人工智能：大腦人工智能解釋為：機器人的智商或許更好理解。

我們介紹了大數(shù)據(jù)的作用，那么一切都是為了人工智能的出現(xiàn)，或者說機器人的智商能夠更高服務(wù)的。

我們看到，當前主要的人工智能集中在：智能語言，圖像智能，無人駕駛。這三種應(yīng)用場景。

為什么是這三種？語言智能，是一切智能的基礎(chǔ)，因為語言是人來創(chuàng)造的數(shù)據(jù)。你我溝通都是靠語言。語言智能不單單包含識別語言，還包括情感分析，情感分析的含義就是理解你的意思。

圖像識別，是人類生活的三維世界同外部物質(zhì)交互的唯一媒介。當然還包括觸覺，還有嗅覺。后面我們介紹這兩種感官。

所以圖像識別就很有必要了，不然你認為我們國家的安保系統(tǒng)，支付系統(tǒng)，以及公共交通系統(tǒng)都是通過什么這么方便的？還不是通過面部圖像識別。

那么無人駕駛就屬于這兩種應(yīng)用更為復(fù)雜，并且落地場景最合適的一種應(yīng)用。畢竟無人駕駛相對而言，不需要極其高端的情感判斷。我不需要考慮你是不是不高興，我只需要判斷你的車和我的的狀態(tài)。

語言智能，圖像智能，以及高端的各類智能分析，都是相當于機器人的大腦。做到智能夠高。

機器人——執(zhí)行機構(gòu)

執(zhí)行機構(gòu)，熟悉工業(yè)的朋友，應(yīng)該知道，我們一般會把一個自動化的結(jié)構(gòu)，叫做執(zhí)行機構(gòu)。機器人說白了，就是通過控制器（含有人工智能算法的芯片）——驅(qū)動動力（電動機）——金屬結(jié)構(gòu)驅(qū)趕。

當然機器人也需要同外部進行反饋，這時候就是傳感器的天下了，包括力覺傳感器，以及氣敏傳感器等。

這里用工業(yè)機器人的結(jié)構(gòu)說明一下運動，智能機器人的結(jié)構(gòu)式一樣的。沒有任何區(qū)別，區(qū)別就在于運動模型的復(fù)雜程度。

每個關(guān)節(jié)都是伺服電機+減速機進行驅(qū)動

高端的仿人型機器人，也同樣是這樣的方式。只是更為復(fù)雜。

波士頓動力的atlas機器人。

二、大數(shù)據(jù)，人工智能，機器人是三個行業(yè)1、大數(shù)據(jù)行業(yè)——互聯(lián)網(wǎng)行業(yè)淘金行業(yè)，工業(yè)自動化大咖的領(lǐng)域

有聯(lián)系，但這三個也是三個很龐大的行業(yè)?，F(xiàn)在大數(shù)據(jù)，在互聯(lián)網(wǎng)，工業(yè)自動化都有很多應(yīng)用。舉個例子：對于當下電商，以及今日頭條這種企業(yè)，可以分析觀眾的模型。獲取你的用戶喜歡從而分析你。這就是典型的大數(shù)據(jù)應(yīng)用。

很多互聯(lián)網(wǎng)的從業(yè)者都是知道，低端的爬蟲工程師，高端的數(shù)據(jù)架構(gòu)工程師就是典型的大數(shù)據(jù)分析的典型。那么工業(yè)領(lǐng)域是怎么做的呢？有根據(jù)離散制造，還是過程制造專門做好的數(shù)字孿生平臺，以及MES系統(tǒng)。這就是典型工業(yè)大數(shù)據(jù)的分析平臺。

現(xiàn)在工業(yè)自動化的大咖，都在這個領(lǐng)域玩耍，例如西門子，施耐德，博世，通用都是工業(yè)自動化數(shù)字化先行者。

就這個樣子（不好意思，圖片不是我，我沒出境）

2、人工智能行業(yè)：

你們熟悉的商湯科技，依圖科技，云叢科技，曠視科技都是圖像智能的大企業(yè)。應(yīng)用在智能終端，例如手機，安防監(jiān)控，公共場所安防，智能家具等等都比較多。

像科大訊飛，百度，騰訊等等在智能語言上面技術(shù)比較領(lǐng)先，也在智能家居，智能終端應(yīng)用較多?，F(xiàn)在的人工智能努力在做的是，拓展各類應(yīng)用場景。

當然，比較牛的例如華為這種，開始做AI智能芯片，也就是屬于人工智能終端硬件產(chǎn)品。

3、機器人行業(yè)：

工業(yè)機器人，及服務(wù)機器人。

當前發(fā)展最好的應(yīng)當屬于工業(yè)機器人，國內(nèi)埃斯頓，匯川技術(shù)，新松都是工業(yè)機器人的佼佼者。并且應(yīng)用場景非常豐富。

服務(wù)機器人領(lǐng)域，當前以教育服務(wù)機器人發(fā)展的最好，優(yōu)必選算是這個領(lǐng)域的領(lǐng)先者了。國外的NAO是這個行業(yè)的領(lǐng)先品牌。

綜述：未來的天下肯定是人工智能的時代，你我都不能錯過。錯過了就真的沒有機會嘍！

【關(guān)注：機器人觀察員，我是你們機器人行業(yè)朋友】

要想要機器有思維有想法，主要有兩種方法第一種靠大數(shù)據(jù)來建立邏輯回歸等模型，第二種就是給計算機輸入模式，讓計算機能自動識別某種模式，甚至自動創(chuàng)新出某種模式，就像人一樣，但是這種方法很難。

2、把機器學(xué)習(xí)算法燒到機器人大腦的芯片里面，機器人就真正具備了“思維”

3、目前的很多機器學(xué)習(xí)算法模型的訓(xùn)練還是以大數(shù)據(jù)為主，希望能夠獲得突破，當然了，發(fā)達國家公司比如google很可能有些突破，也很可能不外透，就像我們在使用hadoop,spark大數(shù)據(jù)框架一樣，其實他們的大數(shù)據(jù)框架遠遠比開源的先進，不過不外露。希望我們能開發(fā)出自主的，先進的算法從而做到真正的機器人會“思考”