四个智能基础之上 你还没搞清楚?

作者:课课家教育更新于： 2017-07-17 16:48:03

　　本篇文章纯干货~课课家教育平台提醒各位：因此大家一定要认真阅读本篇文章哦!

　　AI(人工智能)是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。具体到应用来说，每一个人工智能解决方案都建立在四个基础之上，还没搞清楚?来看看我们的快速指南吧!

　　毋庸置疑，人工智能正在席卷整个世界，层出不穷的创新应用正实践于所有行业和领域。正如电影中描述的那样，人类使用人工智能机器人代替医生已经有几十年的时间，上至各行各业的专家，下到普通消费者，人工智能正在帮助我们更快的诊断和解决问题，比如进行精密的手术，比如用语音命令播放一首歌曲。

　　大众只注意到人工智能带来的益处，而对于专业人士来说，有四个概念必须要了解：分类方法、类别、机器学习和协同过滤。这四个支柱也代表了分析过程中的步骤。分类方法涉及创建特定问题域的度量(例如财务、网络)。类别涉及哪些数据与所需解决的问题最为相关。机器学习包括异常检测、聚类、深度学习和线性回归。协作过滤涉及在大型数据集上寻找模式。

　　分类方法

　　人工智能需要大量与所解决问题相关的数据。创建人工智能解决方案的第一步是创建"设计意图的指标"，它用于对问题进行分类。用户是否试图构建一个能起到关键作用的系统，帮助医生诊断癌症或者帮助IT管理员诊断无线问题，用户需要定义允许问题分解的度量标准。例如，在无线网络中，关键指标是用户连接时间、吞吐量、覆盖率和漫游。在癌症诊断中，关键指标是白细胞计数、种族背景和X射线扫描。

　　类别

　　一旦用户将问题分类到不同的区域，下一步就是进行细分，以便将用户指向有意义的结论。例如，当人工智能系统处理关键性问题时，用户必须先将具体问题以文字形式写出，然后按时间、人物、地点来分类。在无线网络中，一旦用户知道问题的类别(例如前或后连接问题)，用户就需要开始分类导致问题的原因：关联、认证、动态主机配置协议(DHCP)，或其他无线、有线和设备因素。

　　机器学习

　　现在这个问题被划分到特定领域的元数据块中，用户可以将这些信息输入到机器学习这个神奇而强大的世界中。有许多机器学习算法和技术，带有监督的机器学习使用神经网络(即深度学习)来实现，现在已经成为最流行的方法之一。神经网络的概念从1949年开始，笔者曾经在上世纪80年代建立了我的第一个神经网络。但是随着计算机技术的革新和存储能力的增强，神经网络被开发来解决各种实际问题，从图像识别到自然语言处理，以此来预测网络性能。其他应用还包括异常特征发现，时间序列异常和事件深度分析。

　　协同过滤

　　大多数人体验合作过滤时，他们选择在Netflix看电影或者在Amazon购物，同时获取一些影片推介或者购买建议。除了推荐系统，协同过滤也用来解决大型数据集和人脸识别。这就是所有数据收集和分析变成有意义的洞察力或行动的地方。无论是在游戏节目中，还是在医生或网络管理员中使用，协作过滤都是以高度自信的方式提供答案的手段。它就像一个虚拟助手，帮助解决复杂的问题。

　　人工智能仍然具有很大的开发空间，它的影响深远之处在于，在我们未来的日常生活中，人工智能将占据相当大的份额。就如同我们购买汽车之前，需要了解到引擎盖之下的内容，以确保我们选购到真正适合自己的好产品一样。

　　今年4月，Linux基金会发起了一个名为EdgeXFoundry的新项目，目的在于为IoT计算和可互操作的组件构建一套开放的框架。EdgeXFoundry旨在培育边缘计算的模型，采用了这个模型的设备就不必把它们的数据发上云进行处理，而是只需要借助于本地的网关设备进行计算和分析就可以了。这种处理方式带来的主要好处就是更少的延迟和网络流量，以及更高的安全性。

　　EdgeX Foundry是继现有AllJoyn、IoTivity 、Zephyr之后第4个物联网开源项目，也是第一个超大型物联网边缘运算项目，目的是要打造一套通用边缘运算框架，包含Dell、AMD、Vmware在内超过50家软硬件厂商和初创加入。

　　好了，问题来了。

　　什么是边缘计算呢?

　　边缘计算是一个新名词，它横跨OT、IT、CT多个领域，涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。具体来说，边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

　　和云计算有什么区别?

　　目前，云计算是行业的大势所趋，而对于云计算来说，所有的数据都要汇总到后端的数据中心完成。在“云、管、端”三者的角色中，云计算更侧重于“云”，是实现最终数据分析与应用的场所。

　　但是在边缘计算中，强调了“边缘”也就是“端”所在的物理区域。在这个区域，如果能够为“端”就近提供网络、计算、存储等资源，显然实时性等业务需求能够容易满足，这是“边缘计算”相比于“云计算”最大的不同。 “边缘计算”也特别强调计算的作用。

　　和雾计算是什么关系?

　　雾计算这个词相对来说是最近出现的一个词。因为和云相比位置上更接近设备，所以表示为雾，它是作为实现IoT的结构为Cisco等提倡，旨在为全球范围所采用。另一方面，边缘计算这个术语，早就用于表示云和设备的边界。

　　雾计算，处理能力放在包括 IoT设备的LAN里面。这个网络内的IoT网关，或者说是雾节点用于数据收集，处理，存储。多种来源的信息收集到网关里，处理后的数据发送回需要该数据的设备。

　　边缘计算，进一步推进了雾计算的「LAN内的处理能力」的理念，处理能力更靠近数据源。不是在中央服务器里整理后实施处理，而是在网络内的各设备实施处理。

　　如果还不太懂，点击这里

　　边缘运算会颠覆云端运算吗?

　　目前担任Linux基金会物联网资深总监的Philip DesAutels表示：

　　虽然我们将会把越来越多的基础任务，推向装置所在的边缘，但这只是代表了越靠近边缘所在的装置会变更聪明，并不能就说它与云端毫无关系。

　　我倒是认为，云端也会因为边缘变聪明和智慧。云端未来更重要任务，将会扮演中央的协调管理者。就像是想利用一台智慧冷气设备，早一步在人们进大门前先开启室内冷气降温，若是没有云端事先取得他们所在位置及预计何时到达等资讯，谁来告诉冷气机这些事呢?

　　我们接下来将会看见「纯云端运算」年代的终结。Cloud过去的角色也会开始转变，扮演起更重要的角色，就是要成为一个分散式集体智慧(Distributed Collective Intelligence)。

　　边缘运算为什么现在这么火?

　　因为Money!

　　现在，即使是理想上最高速的光纤网路的传输速度，资料交换还是需要时间，如果考虑到资料传输需要耗费的延迟时间、停留中介站与远端处理的等待时间的话，採用边缘运算可以缩短资料往返时间，资料处理能更快。

　　另一个考量则是成本，与其将全部资料回传云端处理，还是改将资料就近放在边缘装置周围来运算的作法，更可以减少传输成本。

　　边缘运算真正的价值，在于能将每一个与本地网路连结的组件，整合成为一个更复杂的完整个体，来打造一个整合性系统(Meta System)，可以做更惊人的事情。

　　边缘运算和云端运算是什么关系吗?

　　彼此在逻辑上是互补关系。

　　越来越多需要就近处理资料的工作将转移到边缘装置上，同时，云端将会专注在更需要灵活、弹性调度的任务，做为中央管理及控制的后端。

　　边缘计算的市场有多大?

　　按照IDC的统计数据，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存，边缘计算所面对的市场规模非常巨大。其实看看联盟的6大创始成员就能发现，这个市场规模甚至超乎想象。

　　结语

　　笔者认为，不管是云计算、雾计算还是边缘计算，都从另一个方面说明计算的价值，随着万物互联时代的到来，不可能有哪一种计算可以“一招制敌”，未来的时代，应该是各种计算方式并存的时代，落地到不同的应用场景，践行最适合的“计算”。如果大家还想了解更多方面的详细内容的话呢，不妨关注课课家教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获!