人工智能和機(jī)器學(xué)習(xí)如何引入物聯(lián)網(wǎng)無線設(shè)計中

什么是人工智能（AI）？

人工智能（AI）是一個試圖模擬人類行為的系統(tǒng)，更具體地說是一個電氣和/或機(jī)械實體，它模擬對輸入的響應(yīng)，類似于人類的行為。這方面最好的具體例子是語音識別，系統(tǒng)需要理解口語術(shù)語、縮寫、代詞以及標(biāo)準(zhǔn)單詞，以便像與最好的朋友交談一樣做出反應(yīng)。

人工智能的關(guān)鍵是從傳感器或傳感器組合中獲取輸入，并根據(jù)目標(biāo)確定適當(dāng)?shù)捻憫?yīng)。例如，家庭安全系統(tǒng)的目標(biāo)是保護(hù)家庭。它必須確定振動和聲音傳感器的輸入是否與破碎窗戶的輸入匹配，如果匹配，則觸發(fā)警報并通知當(dāng)局。它試圖匹配的行為，如果你在沙發(fā)上，窗戶被打碎你會聽到它，認(rèn)出它，并運(yùn)行撥打緊急服務(wù)。

什么是機(jī)器學(xué)習(xí)（ML）？

機(jī)器學(xué)習(xí)（ML）是系統(tǒng)在重復(fù)使用后自我改進(jìn)的能力。這樣做的目的是，它可以利用收集到的數(shù)據(jù)來提高自身的能力和改進(jìn)。

ML是創(chuàng)建人工智能的副產(chǎn)品，因為研究人員需要一種方法來改進(jìn)他們對輸入的響應(yīng)，而無需經(jīng)常手動更新系統(tǒng)，而不是讓系統(tǒng)自行更新和變得更好。ML通常是一種計算機(jī)算法，用于開發(fā)語音識別等解決方案。

人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks， ANN）是機(jī)器學(xué)習(xí)的一種實現(xiàn)，盡管它是一種具有許多層次的非常高級的實現(xiàn)。與ML不同，它在單個流中接受輸入并做出決策，ANN有幾個節(jié)點，每個節(jié)點都根據(jù)數(shù)據(jù)做出貢獻(xiàn)。更改一個節(jié)點的行為也會影響其他節(jié)點。這創(chuàng)造了一個更復(fù)雜的結(jié)構(gòu)，與人腦非常相似。 無線物聯(lián)網(wǎng)中的人工智能和機(jī)器學(xué)習(xí)

物聯(lián)網(wǎng)最令人期待的發(fā)展之一是人工智能和機(jī)器學(xué)習(xí)的融合。通過使物聯(lián)網(wǎng)設(shè)備具有可培訓(xùn)性、可操作性以及從環(huán)境中提取信息和學(xué)習(xí)的能力，這些設(shè)備將變得更具情境意識，并最終實現(xiàn)許多創(chuàng)新應(yīng)用價值。 物聯(lián)網(wǎng)系統(tǒng)有許多層，可以在其中實現(xiàn)AI/ML。

每一層都可以做出不同的決策，并提供不同的價值主張。底部的數(shù)據(jù)量最少，通常只有區(qū)域管轄權(quán)。當(dāng)你往上走的時候，會有更多的數(shù)據(jù)需要計算，決策會變得更大，對系統(tǒng)的影響也會更大。

離頂端越近，數(shù)據(jù)到達(dá)頂端所需的時間就越長，決策傳遞和網(wǎng)絡(luò)最終用戶看到反應(yīng)所需的時間也就越長。例如，您不希望語音識別總是一路到云端，幾秒鐘后才能恢復(fù)，您希望在本地計算語音識別，以便獲得快速響應(yīng)，從而獲得良好的用戶體驗。

人工智能和機(jī)器學(xué)習(xí)引入物聯(lián)網(wǎng)無線設(shè)計中的優(yōu)勢包括：

顯著節(jié)約成本

減少帶寬使用

更快的設(shè)計時程

更小尺寸的設(shè)計和更低的功率操作

更強(qiáng)的數(shù)據(jù)隱私和安全性

編輯：jq