小莉²º¹²
大数据，人工智能，机器人是三个行业。观察员从相互联系和各行业不同的结构进行分析。
【友情提醒：内容很长，干货很多。关注：机器人观察员，我是你们机器人行业朋友】
一、相互联系
大数据是基础，人工智能是核心，机器人是执行对象。
这是一个：五官信息——大脑处理——手脚执行的过程。
大数据采集的数据：当下普及的数据，主要分为：结构性数据可以获取，同时可以针对包括文字，图片，声音进行识别及处理。在数据获取方面，现在的机器人视觉，音频采集，既刻意做到实时采集，同时可以做到在终端计算，对于要求更高一些的可以进行边缘计算，再高级的那就进行云端计算。
具备数据分析的能力：现在比较多的逻辑分析，神经树分析，以及那些你们听不懂的高端逻辑分析。归类到最基层都是，归类，相关性，模型回归分析，更为高深的分析方式都是在这些数据的归纳以及训练中，慢慢建立起来的。
很明显咱们这篇文章，不是介绍技术的，就是介绍，我也没有能力在一篇文章中介绍完。
类比一下人类学习的过程。
大数据
1、归类分析：我们从小学习，一直都在被训练，被教育规则，规则就是归类分析的一种。我们看到有胸，有长头发都归类为女性。当然根据动态的环境获取信息，我们会发现这是一个什么样的女性，是漂亮的，还是一个伪娘。（这里面就是类似于归类，这类归类用大数据比较好理解）
2、相关性分析：类似于，将单个条件做纵向相关，例如，我们慢慢的发现，女人喜欢购物，喜欢逛街，你如果谈恋爱，最好是带她去逛街，去看电影。
这种相关性，毕竟不是像客观条件一下，客观条件是女人都有胸，但这种女人爱逛街，女人出现的场景在衣服店，都是关联到女性这个个体上面，社会没有一个固定的规则说，女人都爱逛街（确实有人不喜欢）。这类相关性分析，就是模型分析的基础。
在机器人中，我们训练的时候，例如说训练无人驾驶，我们会在汽车进行右转的时候，看看右转专用道的旁边有没有行人，电动车等？为什么，因为根据视觉动作，你要根据出现的场景判定，这些行人不要闯红灯。不然一个“鬼探头”，那就惨了。
现在应用最典型的是什么？是电销机器人。现在给你们打电话最多的不是真实的客户，都是机器人。拨通电话后，你沉默不语，机器人会直接说，如果你问了某一个关键词，那么系统制动设定一个话术回复。这就是最简单的大数据分析。
3、模型分析
很多人都有疑问，为什么做人工智能的都是大公司，为什么大公司都进步这么快？
我来简单的说一下，即使你召集几个人做了一个智能语音，你也不能做到高端的人工智能！为什么？人工智能需要训练！训练人工智能的方式就是给他喂数据，喂超过PB级别的数据。
你没有语料库，科大讯飞，百度，阿里巴巴，腾讯，微软，facebook都是超级大公司，都是即时通讯系统，能够拿到国家级别的各类语料信息。同时国家也同你采集这些信息。（这里看到你的信息被收集了吧！这都是要授权的。）
例如无人驾驶，更是难度极高。因为你要训练无人驾驶系统，很显然需要能够难道大量的路况数据，以及各类交通场景的数据。这个一般人也拿不到啊，只有交通系统才有。
模型分析，比较典型的是判断。属于高深的一种机器学习。
模型学习，你可以理解为，我们训练一个新员工工作，怎么去训练？让他做一件事情，做一个方案！方案就是模型，你可以不会，你什么都没接触过，客户，供应商都没接触过，但用这个模型你知道怎么做，在进行第一步行动后，根据反馈数据做下一步反馈。
谷歌那个alpha Go算是这类的代表了。下围棋的训练。
一切指向人工智能：大脑
人工智能解释为：机器人的智商或许更好理解。
我们介绍了大数据的作用，那么一切都是为了人工智能的出现，或者说机器人的智商能够更高服务的。
我们看到，当前主要的人工智能集中在：智能语言，图像智能，无人驾驶。这三种应用场景。
为什么是这三种？语言智能，是一切智能的基础，因为语言是人来创造的数据。你我沟通都是靠语言。语言智能不单单包含识别语言，还包括情感分析，情感分析的含义就是理解你的意思。
图像识别，是人类生活的三维世界同外部物质交互的唯一媒介。当然还包括触觉，还有嗅觉。后面我们介绍这两种感官。
所以图像识别就很有必要了，不然你认为我们国家的安保系统，支付系统，以及公共交通系统都是通过什么这么方便的？还不是通过面部图像识别。
那么无人驾驶就属于这两种应用更为复杂，并且落地场景最合适的一种应用。毕竟无人驾驶相对而言，不需要极其高端的情感判断。我不需要考虑你是不是不高兴，我只需要判断你的车和我的的状态。
语言智能，图像智能，以及高端的各类智能分析，都是相当于机器人的大脑。做到智能够高。
机器人——执行机构
执行机构，熟悉工业的朋友，应该知道，我们一般会把一个自动化的结构，叫做执行机构。机器人说白了，就是通过控制器（含有人工智能算法的芯片）——驱动动力（电动机）——金属结构驱赶。
当然机器人也需要同外部进行反馈，这时候就是传感器的天下了，包括力觉传感器，以及气敏传感器等。
这里用工业机器人的结构说明一下运动，智能机器人的结构式一样的。没有任何区别，区别就在于运动模型的复杂程度。
每个关节都是伺服电机+减速机进行驱动
高端的仿人型机器人，也同样是这样的方式。只是更为复杂。
波士顿动力的atlas机器人。
二、大数据，人工智能，机器人是三个行业
1、大数据行业——互联网行业淘金行业，工业自动化大咖的领域
有联系，但这三个也是三个很庞大的行业。现在大数据，在互联网，工业自动化都有很多应用。举个例子：对于当下电商，以及今日头条这种企业，可以分析观众的模型。获取你的用户喜欢从而分析你。这就是典型的大数据应用。
很多互联网的从业者都是知道，低端的爬虫工程师，高端的数据架构工程师就是典型的大数据分析的典型。那么工业领域是怎么做的呢？有根据离散制造，还是过程制造专门做好的数字孪生平台，以及MES系统。这就是典型工业大数据的分析平台。
现在工业自动化的大咖，都在这个领域玩耍，例如西门子，施耐德，博世，通用都是工业自动化数字化先行者。
就这个样子（不好意思，图片不是我，我没出境）
2、人工智能行业：
你们熟悉的商汤科技，依图科技，云丛科技，旷视科技都是图像智能的大企业。应用在智能终端，例如手机，安防监控，公共场所安防，智能家具等等都比较多。
像科大讯飞，百度，腾讯等等在智能语言上面技术比较领先，也在智能家居，智能终端应用较多。现在的人工智能努力在做的是，拓展各类应用场景。
当然，比较牛的例如华为这种，开始做AI智能芯片，也就是属于人工智能终端硬件产品。
<strong>
3、机器人行业：
工业机器人，及服务机器人。
当前发展最好的应当属于工业机器人，国内埃斯顿，汇川技术，新松都是工业机器人的佼佼者。并且应用场景非常丰富。
<strong>
服务机器人领域，当前以教育服务机器人发展的最好，优必选算是这个领域的领先者了。国外的NAO是这个行业的领先品牌。
综述：未来的天下肯定是人工智能的时代，你我都不能错过。错过了就真的没有机会喽！
【关注：机器人观察员，我是你们机器人行业朋友】
<strong>
机器人观察
大数据、人工智能和机器人本身既是相对比较独立的概念，同时它们之间也有非常紧密的联系。
大数据概念的核心是数据价值化，大数据技术就是围绕数据价值化而进行的一系列操作，涉及到数据的采集、整理、存储、安全、分析和应用等步骤。大数据的核心是数据价值化，但是大数据的目的却是应用，而大数据一个重要的应用渠道就是人工智能产品。所以，从这个角度来看，大数据是人工智能的基础。
人工智能的概念是相对比较复杂的，实际上目前对于人工智能的概念依然还存在一定的争议，当前对于人工智能的定义集中在“合理地思考”和“合理地行动”两个方面。
从大的研究方向来看，当前人工智能的研究主要集中在视觉、自然语言处理、机器学习、自动推理、知识表示和机器人学六大方向。所以，机器人是人工智能领域的重要研究方向之一。
从技术体系结构上来看，大数据是人工智能的基础，而人工智能又是机器人的基础。为了更加具体地阐述它们之间的关系，我们可以通过机器学习的步骤来描述一下大数据、人工智能和机器人之间的关系。
机器学习的步骤包括数据收集、数据整理、算法设计、算法实现、算法训练、算法验证和算法应用，其中数据收集和数据整理就涉及到大数据技术，而算法应用则涉及到具体的应用领域，比如各种机器人产品等等。
正是因为机器学习在人工智能技术体系中比较具有代表性，同时机器学习与大数据的关系也比较紧密，所以不少人都是以机器学习来作为切入点来学习人工智能技术的。
我从事互联网行业多年，目前也在带计算机专业的研究生，如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我（需要先关注）！
IT人刘俊明
人工智能涵盖的学科很广，但主要还是机器学习：
1、要想要机器有思维有想法，主要有两种方法第一种靠大数据来建立逻辑回归等模型，第二种就是给计算机输入模式，让计算机能自动识别某种模式，甚至自动创新出某种模式，就像人一样，但是这种方法很难。
2、把机器学习算法烧到机器人大脑的芯片里面，机器人就真正具备了“思维”
3、目前的很多机器学习算法模型的训练还是以大数据为主，希望能够获得突破，当然了，发达国家公司比如google很可能有些突破，也很可能不外透，就像我们在使用hadoop,spark大数据框架一样，其实他们的大数据框架远远比开源的先进，不过不外露。希望我们能开发出自主的，先进的算法从而做到真正的机器人会“思考”
大数据和人工智能交流
人工智能涵盖的学科很广，但主要还是机器学习，要想要机器有思维有想法，主要有两种方法第一种靠大数据来建立逻辑回归等模型，第二种就是给计算机输入模式，让计算机能自动识别某种模式，甚至自动创新出某种模式，就像人一样，但是这种方法很难。
把机器学习算法烧到机器人大脑的芯片里面，机器人就真正具备了“思维”
目前的很多机器学习算法模型的训练还是以大数据为主，希望我们能开发出自主的，先进的算法从而做到真正的机器人会“思考”
中青科投资
要想要机器有思维有想法，主要有两种方法第一种靠大数据来建立逻辑回归等模型，第二种就是给计算机输入模式，让计算机能自动识别某种模式，甚至自动创新出某种模式，就像人一样，但是这种方法很难。
2、把机器学习算法烧到机器人大脑的芯片里面，机器人就真正具备了“思维”
3、目前的很多机器学习算法模型的训练还是以大数据为主，希望能够获得突破，当然了，发达国家公司比如google很可能有些突破，也很可能不外透，就像我们在使用hadoop,spark大数据框架一样，其实他们的大数据框架远远比开源的先进，不过不外露。希望我们能开发出自主的，先进的算法从而做到真正的机器人会“思考”
红叶石楠主
机器人是人工智能的产物，大数据是机器人实现人工智能的必备因素！利用人工智能，能够实现以前人们不可达到的效果目的！举个例子:前段时间抖音大火的银行自动机器人，它能够实现自主对话，自主提供信息！这就是人工智能的产物，再辅以大数据，能够实现机器人与人的无缝语音对接互动！能够有效降低人们的工作负担！
眼角的飘渺
这样理解，你可以把一个机器人想象成一个真人，然后大数据就是你从出生到小中大学.......学习到的知识、技能、生存能力全部信息储存在大脑里。人工智能就是你的大脑，即大脑对视觉味觉触觉听觉喜怒哀乐的处理和反馈能力。机器人就是一个人有了大脑和知识，如果要做某件事，那么就得有手脚去执行大脑的命令。所以机器人相当于人体，人工智能相当于大脑，大数据相当于大脑里的知识，这样比较容易理解。
