小莉²º¹²
大數據，人工智能，機器人是三個行業。觀察員從相互聯繫和各行業不同的結構進行分析。
【友情提醒：內容很長，乾貨很多。關注：機器人觀察員，我是你們機器人行業朋友】
一、相互聯繫
大數據是基礎，人工智能是核心，機器人是執行對象。
這是一個：五官信息——大腦處理——手腳執行的過程。
大數據採集的數據：當下普及的數據，主要分為：結構性數據可以獲取，同時可以針對包括文字，圖片，聲音進行識別及處理。在數據獲取方面，現在的機器人視覺，音頻採集，既刻意做到實時採集，同時可以做到在終端計算，對於要求更高一些的可以進行邊緣計算，再高級的那就進行雲端計算。
具備數據分析的能力：現在比較多的邏輯分析，神經樹分析，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，相關性，模型迴歸分析，更為高深的分析方式都是在這些數據的歸納以及訓練中，慢慢建立起來的。
很明顯咱們這篇文章，不是介紹技術的，就是介紹，我也沒有能力在一篇文章中介紹完。
類比一下人類學習的過程。
大數據
1、歸類分析：我們從小學習，一直都在被訓練，被教育規則，規則就是歸類分析的一種。我們看到有胸，有長頭髮都歸類為女性。當然根據動態的環境獲取信息，我們會發現這是一個什麼樣的女性，是漂亮的，還是一個偽娘。（這裡面就是類似於歸類，這類歸類用大數據比較好理解）
2、相關性分析：類似於，將單個條件做縱向相關，例如，我們慢慢的發現，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，女人出現的場景在衣服店，都是關聯到女性這個個體上面，社會沒有一個固定的規則說，女人都愛逛街（確實有人不喜歡）。這類相關性分析，就是模型分析的基礎。
在機器人中，我們訓練的時候，例如說訓練無人駕駛，我們會在汽車進行右轉的時候，看看右轉專用道的旁邊有沒有行人，電動車等？為什麼，因為根據視覺動作，你要根據出現的場景判定，這些行人不要闖紅燈。不然一個“鬼探頭”，那就慘了。
現在應用最典型的是什麼？是電銷機器人。現在給你們打電話最多的不是真實的客戶，都是機器人。撥通電話後，你沉默不語，機器人會直接說，如果你問了某一個關鍵詞，那麼系統制動設定一個話術回覆。這就是最簡單的大數據分析。
3、模型分析
很多人都有疑問，為什麼做人工智能的都是大公司，為什麼大公司都進步這麼快？
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！為什麼？人工智能需要訓練！訓練人工智能的方式就是給他喂數據，喂超過PB級別的數據。
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，能夠拿到國家級別的各類語料信息。同時國家也同你採集這些信息。（這裡看到你的信息被收集了吧！這都是要授權的。）
例如無人駕駛，更是難度極高。因為你要訓練無人駕駛系統，很顯然需要能夠難道大量的路況數據，以及各類交通場景的數據。這個一般人也拿不到啊，只有交通系統才有。
模型分析，比較典型的是判斷。屬於高深的一種機器學習。
模型學習，你可以理解為，我們訓練一個新員工工作，怎麼去訓練？讓他做一件事情，做一個方案！方案就是模型，你可以不會，你什麼都沒接觸過，客戶，供應商都沒接觸過，但用這個模型你知道怎麼做，在進行第一步行動後，根據反饋數據做下一步反饋。
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。
我們介紹了大數據的作用，那麼一切都是為了人工智能的出現，或者說機器人的智商能夠更高服務的。
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。這三種應用場景。
為什麼是這三種？語言智能，是一切智能的基礎，因為語言是人來創造的數據。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交互的唯一媒介。當然還包括觸覺，還有嗅覺。後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，支付系統，以及公共交通系統都是通過什麼這麼方便的？還不是通過面部圖像識別。
那麼無人駕駛就屬於這兩種應用更為複雜，並且落地場景最合適的一種應用。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。
語言智能，圖像智能，以及高端的各類智能分析，都是相當於機器人的大腦。做到智能夠高。
機器人——執行機構
執行機構，熟悉工業的朋友，應該知道，我們一般會把一個自動化的結構，叫做執行機構。機器人說白了，就是通過控制器（含有人工智能算法的芯片）——驅動動力（電動機）——金屬結構驅趕。
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。
這裡用工業機器人的結構說明一下運動，智能機器人的結構式一樣的。沒有任何區別，區別就在於運動模型的複雜程度。
每個關節都是伺服電機+減速機進行驅動
高端的仿人型機器人，也同樣是這樣的方式。只是更為複雜。
波士頓動力的atlas機器人。
二、大數據，人工智能，機器人是三個行業
1、大數據行業——互聯網行業淘金行業，工業自動化大咖的領域
有聯繫，但這三個也是三個很龐大的行業。現在大數據，在互聯網，工業自動化都有很多應用。舉個例子：對於當下電商，以及今日頭條這種企業，可以分析觀眾的模型。獲取你的用戶喜歡從而分析你。這就是典型的大數據應用。
很多互聯網的從業者都是知道，低端的爬蟲工程師，高端的數據架構工程師就是典型的大數據分析的典型。那麼工業領域是怎麼做的呢？有根據離散製造，還是過程製造專門做好的數字孿生平臺，以及MES系統。這就是典型工業大數據的分析平臺。
現在工業自動化的大咖，都在這個領域玩耍，例如西門子，施耐德，博世，通用都是工業自動化數字化先行者。
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：
你們熟悉的商湯科技，依圖科技，雲叢科技，曠視科技都是圖像智能的大企業。應用在智能終端，例如手機，安防監控，公共場所安防，智能傢俱等等都比較多。
像科大訊飛，百度，騰訊等等在智能語言上面技術比較領先，也在智能家居，智能終端應用較多。現在的人工智能努力在做的是，拓展各類應用場景。
當然，比較牛的例如華為這種，開始做AI智能芯片，也就是屬於人工智能終端硬件產品。
<strong>
3、機器人行業：
工業機器人，及服務機器人。
當前發展最好的應當屬於工業機器人，國內埃斯頓，匯川技術，新松都是工業機器人的佼佼者。並且應用場景非常豐富。
<strong>
服務機器人領域，當前以教育服務機器人發展的最好，優必選算是這個領域的領先者了。國外的NAO是這個行業的領先品牌。
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！
【關注：機器人觀察員，我是你們機器人行業朋友】
<strong>
機器人觀察
大數據、人工智能和機器人本身既是相對比較獨立的概念，同時它們之間也有非常緊密的聯繫。
大數據概念的核心是數據價值化，大數據技術就是圍繞數據價值化而進行的一系列操作，涉及到數據的採集、整理、存儲、安全、分析和應用等步驟。大數據的核心是數據價值化，但是大數據的目的卻是應用，而大數據一個重要的應用渠道就是人工智能產品。所以，從這個角度來看，大數據是人工智能的基礎。
人工智能的概念是相對比較複雜的，實際上目前對於人工智能的概念依然還存在一定的爭議，當前對於人工智能的定義集中在“合理地思考”和“合理地行動”兩個方面。
從大的研究方向來看，當前人工智能的研究主要集中在視覺、自然語言處理、機器學習、自動推理、知識表示和機器人學六大方向。所以，機器人是人工智能領域的重要研究方向之一。
從技術體系結構上來看，大數據是人工智能的基礎，而人工智能又是機器人的基礎。為了更加具體地闡述它們之間的關係，我們可以通過機器學習的步驟來描述一下大數據、人工智能和機器人之間的關係。
機器學習的步驟包括數據收集、數據整理、算法設計、算法實現、算法訓練、算法驗證和算法應用，其中數據收集和數據整理就涉及到大數據技術，而算法應用則涉及到具體的應用領域，比如各種機器人產品等等。
正是因為機器學習在人工智能技術體系中比較具有代表性，同時機器學習與大數據的關係也比較緊密，所以不少人都是以機器學習來作為切入點來學習人工智能技術的。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我（需要先關注）！
IT人劉俊明
人工智能涵蓋的學科很廣，但主要還是機器學習：
1、要想要機器有思維有想法，主要有兩種方法第一種靠大數據來建立邏輯迴歸等模型，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，甚至自動創新出某種模式，就像人一樣，但是這種方法很難。
2、把機器學習算法燒到機器人大腦的芯片裡面，機器人就真正具備了“思維”
3、目前的很多機器學習算法模型的訓練還是以大數據為主，希望能夠獲得突破，當然了，發達國家公司比如google很可能有些突破，也很可能不外透，就像我們在使用hadoop,spark大數據框架一樣，其實他們的大數據框架遠遠比開源的先進，不過不外露。希望我們能開發出自主的，先進的算法從而做到真正的機器人會“思考”
大數據和人工智能交流
人工智能涵蓋的學科很廣，但主要還是機器學習，要想要機器有思維有想法，主要有兩種方法第一種靠大數據來建立邏輯迴歸等模型，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，甚至自動創新出某種模式，就像人一樣，但是這種方法很難。
把機器學習算法燒到機器人大腦的芯片裡面，機器人就真正具備了“思維”
目前的很多機器學習算法模型的訓練還是以大數據為主，希望我們能開發出自主的，先進的算法從而做到真正的機器人會“思考”
中青科投資
要想要機器有思維有想法，主要有兩種方法第一種靠大數據來建立邏輯迴歸等模型，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，甚至自動創新出某種模式，就像人一樣，但是這種方法很難。
2、把機器學習算法燒到機器人大腦的芯片裡面，機器人就真正具備了“思維”
3、目前的很多機器學習算法模型的訓練還是以大數據為主，希望能夠獲得突破，當然了，發達國家公司比如google很可能有些突破，也很可能不外透，就像我們在使用hadoop,spark大數據框架一樣，其實他們的大數據框架遠遠比開源的先進，不過不外露。希望我們能開發出自主的，先進的算法從而做到真正的機器人會“思考”
紅葉石楠主
機器人是人工智能的產物，大數據是機器人實現人工智能的必備因素！利用人工智能，能夠實現以前人們不可達到的效果目的！舉個例子:前段時間抖音大火的銀行自動機器人，它能夠實現自主對話，自主提供信息！這就是人工智能的產物，再輔以大數據，能夠實現機器人與人的無縫語音對接互動！能夠有效降低人們的工作負擔！
眼角的飄渺
這樣理解，你可以把一個機器人想象成一個真人，然後大數據就是你從出生到小中大學.......學習到的知識、技能、生存能力全部信息儲存在大腦裡。人工智能就是你的大腦，即大腦對視覺味覺觸覺聽覺喜怒哀樂的處理和反饋能力。機器人就是一個人有了大腦和知識，如果要做某件事，那麼就得有手腳去執行大腦的命令。所以機器人相當於人體，人工智能相當於大腦，大數據相當於大腦裡的知識，這樣比較容易理解。
