硅發佈
今天，在幾個方面的技術發展正在促使機器人的多樣化和適用性發生類似的爆炸。“機器人所依賴的許多基礎硬件技術 - 特別是計算，數據存儲和通信 - 已經以指數增長速度在不斷提高。最重要的因素之一是視覺 - 生物物種首先發展看世界的能力。這為我們的祖先開闢了一大批新的能力。我們現在處於類似的機器門檻。這是歷史上第一次，機器正在學習看，從而獲得視覺帶來的諸多好處。
最近五個平行，相互依賴和重疊領域的獲得重大發展：數據，算法，網絡，雲以及指數級改進的硬件。
數據。數十年來，音樂CD，電影DVD和網頁一直在增加全球數字編碼信息庫存，但在過去幾年中，創作速度已經爆炸式增長。據IBM估計，事實上，全球90％的數字數據都是在過去二十四個月內創建的。智能手機和工業設備中的傳感器，數字照片和視頻，不間斷的全球社交媒體以及許多其他來源的信號相結合，使我們處於一個沒有先例的“大數據”時代。
算法。數據是非常重要的，因為它支持並加速了上一章所述的人工智能和機器學習的發展。現在支配該學科的算法和方法 - 如深度學習和強化學習 - 分享了它們的結果隨著數據量增加而變得更好的基本屬性。
大多數算法的性能通常在某個時間點處於平穩狀態，或者“漸近線”，在此之後，為其提供更多數據會提高結果，甚至根本不會提高結果。但是，目前許多機器學習方法目前還未被廣泛使用，但似乎並非如此。Andrew Ng告訴我們，用現代算法，“摩爾定律和一些非常聰明的技術工作繼續推動漸近線。”
網絡。短距離和長距離無線通信的技術和協議正在迅速改進。例如，AT＆T和Verizon都宣佈了2016年的無線5G技術試驗，下載速度高達每秒10吉比特。這比LTE網絡（目前在廣泛部署中最快的網絡）的平均速度快了50倍，並且LTE本身比前一代3G技術快十倍。這樣的速度提升意味著更好更快的數據積累，同時也意味著機器人和飛行無人機可以不斷交流，從而協調他們的工作並隨時應對瞬息萬變的情況。
雲端。組織和個人現在可以獲得前所未有的計算能力。應用程序，空白或預先配置的服務器和存儲空間都可以長期租用或通過互聯網租用幾分鐘。這個基本上還不到十年的雲計算基礎架構以三種方式加速機器人創新。
首先，它大大降低了進入門檻，因為以前只有在大型研究型大學和跨國公司的研發實驗室才能找到的各種計算資源現在可供創業公司和獨立發明人使用。
其次，它允許機器人和無人駕駛飛機設計人員探索本地與中央計算的重要權衡：哪些信息處理任務應該在每個機器人的本地大腦中完成，哪些應該由全球大腦在雲中完成？似乎可能最耗費資源的工作，例如重播先前的經驗以從中獲得新的見解，將在未來的一段時間內在雲中完成。
第三，也許最重要的是，雲意味著機器人或無人機部落的每個成員都可以快速知道每個其他成員做什麼。正如普拉特所說的那樣，“人類需要幾十年的時間才能學習到足以為常識的概要添加有意義的東西。然而，機器人不僅站在彼此的學習的肩膀上，而且可以在創建機器人知識後立即開始添加機器人知識綱要。“這種普遍的”蜂房心智“的早期例子是特斯拉的車隊，它分享他們通過的路邊物體的數據。這種信息共享有助於公司隨著時間的推移瞭解哪些對象是永久性的（它們是許多不同汽車在同一地點傳遞的），因此不太可能會跑到路中間。
數字硬件的指數改進。摩爾定律 - 集成電路能力每18到24個月穩步翻番。有些人最近表示，摩爾定律正在違揹物理極限，因此在未來幾年中，這種加倍將會減速。這可能是事實，但即使科技行業的科學家和工程師在未來數十年無法更好地刻蝕硅，我們相信我們將繼續同時享受數字設備的更低價格和更高性能 - 處理器，內存，傳感器，存儲，通信等 - 很長一段時間。
