很對人都會說到“物聯(lián)網(wǎng)”、“大數(shù)據(jù)”和“機器人”等趨勢。我想要說，其實這些趨勢是相互聯(lián)系在一起的，聯(lián)系成一個大趨勢，就像“萬有理論”，在這個鏈條里，每一環(huán)都會對下一環(huán)產(chǎn)生影響，如此產(chǎn)生積極的循環(huán)。

　　各種連接的設(shè)備里的傳感器會產(chǎn)生大量數(shù)據(jù)，海量數(shù)據(jù)使得機器學(xué)習(xí)成為可能，機器學(xué)習(xí)的結(jié)果就是AI，而AI又指導(dǎo)機器人去更精確地執(zhí)行任務(wù)，機器人的行動又會觸發(fā)傳感器。這整個就是一個完整的循環(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)備超過了世界人口的總和。 Cisco 預(yù)測，到 2020 年，將有 500 億個相互連接的設(shè)備。而這些設(shè)備中大多都會安傳感器，可能用 Electric Imp 內(nèi)嵌傳感器，或者用EsTImote外接一個傳感器。

　　設(shè)備中的傳感器會產(chǎn)生前所未有的海量數(shù)據(jù)。

　　2. 數(shù)據(jù)支撐機器學(xué)習(xí)

　　在 2020 年，預(yù)計有 35ZB 的數(shù)據(jù)產(chǎn)生，也就是 2009 年數(shù)據(jù)量的 44 倍。到時候，不管是結(jié)構(gòu)化的、或更可能是沒有結(jié)構(gòu)化的數(shù)據(jù)都可以通過機器來處理，從而獲得大量洞見。

　　3. 機器學(xué)習(xí)改善 AI

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

　　機器學(xué)習(xí)的十足威力，看看 Google 就知道了。Google就是利用機器學(xué)習(xí)，把法國每一個企業(yè)的位置、每一個住房、每一條街都繪制在地圖上了。整個過程只需 1 個小時。

　　4. 人工智能指導(dǎo)機器人行動

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

　　5. 機器人采取行動

　　不僅數(shù)以百計的公司在制作可以完成各種工作的機器人，機器人本身也會變得越來越智能， 而且借助 AI 的進步，還能完成很多我們夢寐以求的任務(wù)。

　　6. 行動觸發(fā)傳感器

　　機器采取行動觸發(fā)傳感器來收集數(shù)據(jù)，從而整個循環(huán)就完整了。

　　這就是所謂的“萬有理論”。