英特尔中国研讨院院长 宋继强
明天，我们正在拥抱一个万物智能互联的新世界。愈来愈多的物和装备经由过程收集完成互联互通，让数据出现迸发之势。数据大水澎湃而至，数据正在成为技巧范畴最主要的驱动力。人工智能AI、主动驾驶、5G和VR/MR等一系列前瞻性技巧的涌现，令我们无机会充足释放这些数据的潜能，赓续进级人类生涯体验。
异常愉快从明天开端，我们在智器械开设英特尔中国研讨院专栏。借助这个平台，我们愿望与年夜家分享并交换英特尔关于前瞻技巧趋向的不雅察，商量万物智能互联确当下与将来。作为专栏系列文章的开篇，让我们先从机械人、人工智能的视角切入，探讨数据大水时期的家当机会。
机械人作为人工智能最主要的运用范畴，一向饱受存眷。好莱坞年夜片中常常涌现的智能机械工资年夜众设置了很高的预期，而实际的办事机械人的智能才能远未达标。随同着最近深度进修催热的这一波人工智能年夜潮，智能机械人家当若何破局是一个很主要的成绩。我以为两个方面异常症结：一个是人工智能（AI: Artificial Intelligence）与智能交互（SI: Smart Interaction）深度融会；另外一个是智能机械人的平安性。关于平安性我们留到今后再谈，明天重点商量AI与SI的融会。
AI在学术界有一个比拟经常使用的界说，就是要懂得智能的本质，而且要可以或许临盆出一种像人一样，以聪明的方法对外界输出作出反响的智能机械。这个学科的终究目标是让机械具有智能的反响才能，所以智能机械人可以看作是人工智能的最终目的。
懂得智能的本质有两种方法：一种是经由过程哲学或许心思学的办法，从内部不雅察人的行动来推想人是以如何的智能方法在思虑；别的一种是把人脑切开看看神经剖解构造，而且经由过程脑运动检测技巧和精心设计的试验来发明智能运动的纪律。当我们对智能有了一个熟悉（未必准确、但至多有了模子），那如何把机械变得智能就须要数学家、盘算机迷信家、主动化专家去研究。所以，人工智能相干的学科许多，除软的实际、模子和算法，还须要依附硬件落地，好比说须要芯片去给它供给强无力的盘算和存储。关于机械人这类智能体，还须要有庞杂的体系掌握技巧支持。
如今这一波人工智能的高潮，现实上也是受害于今朝最新的盘算和存储的改良。神经收集技巧来自于脑的神经元构造启示，但它跟脑的处置进程完整纷歧样。它是经由过程年夜范围的数据去练习，然后机械从数据中进修一些内涵的纪律，构成一个模子，再用这个模子去推想新的数据。这称为一个机械进修的进程，它须要许多的存储和盘算才能，而我们如今正处于一个异常合适它年夜成长的时期。
为何异常适合呢？由于受害于摩尔定律，曩昔20年硬件的才能取得年夜幅成长，个中单元本钱的盘算才能进步1.5万倍、存储才能进步3万倍。通信技巧从有线成长到无线，如今正向5G迈进。这意味着我们不只可让智能机械具有壮大的年夜脑，在须要的时刻还可以灵巧应用云真个才能。云、端联合释放连续进修和改良的才能。
