很對人都會說到“物聯(lián)網”、“大數據”和“機器人”等趨勢。我想要說，其實這些趨勢是相互聯(lián)系在一起的，聯(lián)系成一個大趨勢，就像“萬有理論”，在這個鏈條里，每一環(huán)都會對下一環(huán)產生影響，如此產生積極的循環(huán)。

　　各種連接的設備里的傳感器會產生大量數據，海量數據使得機器學習成為可能，機器學習的結果就是AI，而AI又指導機器人去更精確地執(zhí)行任務，機器人的行動又會觸發(fā)傳感器。這整個就是一個完整的循環(huán)。

　　1. 傳感器產生數據

　　到 2014 年，連接到互聯(lián)網的設備超過了世界人口的總和。 Cisco 預測，到 2020 年，將有 500 億個相互連接的設備。而這些設備中大多都會安傳感器，可能用 Electric Imp 內嵌傳感器，或者用Estimote外接一個傳感器。

　　設備中的傳感器會產生前所未有的海量數據。

　　2. 數據支撐機器學習

　　在 2020 年，預計有 35ZB 的數據產生，也就是 2009 年數據量的 44 倍。到時候，不管是結構化的、或更可能是沒有結構化的數據都可以通過機器來處理，從而獲得大量洞見。

　　3. 機器學習改善 AI

　　機器學習依靠數據處理和模式識別，從而讓計算機不需要編程就能去學習。現在的海量數據和計算能力都在驅使機器學習的突破。

　　機器學習的十足威力，看看 Google 就知道了。Google就是利用機器學習，把法國每一個企業(yè)的位置、每一個住房、每一條街都繪制在地圖上了。整個過程只需 1 個小時。

　　4. 人工智能指導機器人行動

　　隨著計算機已經在象棋和路標方面做得比人類好了，我們就有理由對未來有更多期待。隨著更多的傳感器采集到的數據越來越多，這能優(yōu)化更多的機器學習算法，從而我們可以合乎邏輯地推斷，與機器人結合的計算機執(zhí)行任務的能力會呈指數級增長。

　　5. 機器人采取行動

　　不僅數以百計的公司在制作可以完成各種工作的機器人，機器人本身也會變得越來越智能， 而且借助 AI 的進步，還能完成很多我們夢寐以求的任務。

　　6. 行動觸發(fā)傳感器

　　機器采取行動觸發(fā)傳感器來收集數據，從而整個循環(huán)就完整了。

　　這就是所謂的“萬有理論”。