人们谈论诸如“物联网”，“大数据”等趋势非常普遍。和“机器人”。
我要说的是，实际上，这些趋势相互关联并形成一个总体趋势，就像“万物理论”一样。在此链中，每个链接都会对下一个链接产生影响，这是积极的。
的循环。各种连接的设备中的传感器将生成大量数据。
大量数据使机器学习成为可能。机器学习的结果是AI，AI指示机器人更加准确地执行任务，并且机器人的动作触发了传感器。
整个过程是一个完整的周期。 1.传感器生成数据到2014年，连接到Internet的设备数量已超过世界总人口。
思科预测，到2020年，将有500亿个互联设备。这些设备中的大多数将配备传感器，这些传感器可以使用Electric Imp内置传感器，也可以使用Estimote连接外部传感器。
设备中的传感器将生成前所未有的数据量。 2.支持机器学习的数据到2020年，预计将生成35ZB数据，这是2009年数据量的44倍。
那时，无论是结构化数据还是更可能是非结构化数据，都可以由机器处理，以获得很多见解。 3.改进机器学习AI机器学习依赖于数据处理和模式识别，因此计算机无需编程即可学习。
大量的数据和计算能力正在推动机器学习的突破。机器学习的全部功能，只需看一下Google。
Google使用机器学习来绘制法国每个公司，每个房屋和每条街道的位置图。整个过程仅需1个小时。
4.人工智能指导机器人的动作由于计算机在国际象棋和路标方面的表现已经优于人类，因此我们有理由期望未来会有更多发展。随着越来越多的传感器收集越来越多的数据，这可以优化更多的机器学习算法，因此我们可以从逻辑上推断，结合机器人的计算机执行任务的能力将成倍增加。
5.机器人采取行动不仅有数百家公司在制造可以完成各种任务的机器人，而且机器人自身也将变得越来越智能，并且随着AI的发展，它们也可以完成我们梦dream以求的任务。 6.动作触发传感器机器采取动作触发传感器采集数据，从而完成整个循环。
这就是所谓的“万物理论”。
我要说的是，实际上，这些趋势相互关联并形成一个总体趋势，就像“万物理论”一样。在此链中，每个链接都会对下一个链接产生影响，这是积极的。
的循环。各种连接的设备中的传感器将生成大量数据。
大量数据使机器学习成为可能。机器学习的结果是AI，AI指示机器人更加准确地执行任务，并且机器人的动作触发了传感器。
整个过程是一个完整的周期。 1.传感器生成数据到2014年，连接到Internet的设备数量已超过世界总人口。
思科预测，到2020年，将有500亿个互联设备。这些设备中的大多数将配备传感器，这些传感器可以使用Electric Imp内置传感器，也可以使用Estimote连接外部传感器。
设备中的传感器将生成前所未有的数据量。 2.支持机器学习的数据到2020年，预计将生成35ZB数据，这是2009年数据量的44倍。
那时，无论是结构化数据还是更可能是非结构化数据，都可以由机器处理，以获得很多见解。 3.改进机器学习AI机器学习依赖于数据处理和模式识别，因此计算机无需编程即可学习。
大量的数据和计算能力正在推动机器学习的突破。机器学习的全部功能，只需看一下Google。
Google使用机器学习来绘制法国每个公司，每个房屋和每条街道的位置图。整个过程仅需1个小时。
4.人工智能指导机器人的动作由于计算机在国际象棋和路标方面的表现已经优于人类，因此我们有理由期望未来会有更多发展。随着越来越多的传感器收集越来越多的数据，这可以优化更多的机器学习算法，因此我们可以从逻辑上推断，结合机器人的计算机执行任务的能力将成倍增加。
5.机器人采取行动不仅有数百家公司在制造可以完成各种任务的机器人，而且机器人自身也将变得越来越智能，并且随着AI的发展，它们也可以完成我们梦dream以求的任务。 6.动作触发传感器机器采取动作触发传感器采集数据，从而完成整个循环。
这就是所谓的“万物理论”。