機器人是人工智慧的產物，大資料是機器人實現人工智慧的必備因素！利用人工智慧，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，自主提供資訊！這就是人工智慧的產物，再輔以大資料，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！

大資料，人工智慧，機器人是三個行業。觀察員從相互聯絡和各行業不同的結構進行分析。

大資料是基礎，人工智慧是核心，機器人是執行物件。

這是一個：五官資訊——大腦處理——手腳執行的過程。

大資料採集的資料：當下普及的資料，主要分為：結構性資料可以獲取，同時可以針對包括文字，圖片，聲音進行識別及處理。在資料獲取方面，現在的機器人視覺，音訊採集，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，再高階的那就進行雲端計算。

具備資料分析的能力：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階邏輯分析。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資料的歸納以及訓練中，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。

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資訊，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，這類歸類用大資料比較好理解）

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。這就是最簡單的大資料分析。

3、模型分析

很多人都有疑問，為什麼做人工智慧的都是大公司，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慧語音，你也不能做到高階的人工智慧！為什麼？人工智慧需要訓練！訓練人工智慧的方式就是給他喂資料，喂超過PB級別的資料。

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資訊。同時國家也同你採集這些資訊。（這裡看到你的資訊被收集了吧！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資料，以及各類交通場景的資料。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，根據反饋資料做下一步反饋。

谷歌那個alpha Go算是這類的代表了。下圍棋的訓練。

人工智慧解釋為：機器人的智商或許更好理解。

我們介紹了大資料的作用，那麼一切都是為了人工智慧的出現，或者說機器人的智商能夠更高服務的。

我們看到，當前主要的人工智慧集中在：智慧語言，影象智慧，無人駕駛。這三種應用場景。

為什麼是這三種？語言智慧，是一切智慧的基礎，因為語言是人來創造的資料。你我溝通都是靠語言。語言智慧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。

影象識別，是人類生活的三維世界同外部物質互動的唯一媒介。當然還包括觸覺，還有嗅覺。後面我們介紹這兩種感官。

所以影象識別就很有必要了，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透過什麼這麼方便的？還不是透過面部影象識別。

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，不需要極其高階的情感判斷。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。

語言智慧，影象智慧，以及高階的各類智慧分析，都是相當於機器人的大腦。做到智慧夠高。

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，就是透過控制器（含有人工智慧演算法的晶片）——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，這時候就是感測器的天下了，包括力覺感測器，以及氣敏感測器等。

這裡用工業機器人的結構說明一下運動，智慧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

高階的仿人型機器人，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。

1、大資料行業——網際網路行業淘金行業，工業自動化大咖的領域

很多網際網路的從業者都是知道，低端的爬蟲工程師，高階的資料架構工程師就是典型的大資料分析的典型。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。這就是典型工業大資料的分析平臺。

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、人工智慧行業：

你們熟悉的商湯科技，依圖科技，雲叢科技，曠視科技都是影象智慧的大企業。應用在智慧終端，例如手機，安防監控，公共場所安防，智慧傢俱等等都比較多。

像科大訊飛，百度，騰訊等等在智慧語言上面技術比較領先，也在智慧家居，智慧終端應用較多。現在的人工智慧努力在做的是，拓展各類應用場景。

當然，比較牛的例如華為這種，開始做AI智慧晶片，也就是屬於人工智慧終端硬體產品。

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。

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慧的時代，你我都不能錯過。錯過了就真的沒有機會嘍！