幾年後，比做程序員更賺錢的是……

回

憶

給你三秒鐘時間，請你回答：《星球大戰》系列中你最喜歡的人或物是？

是英姿颯爽的莉亞公主，善良的救世主盧克，髮型醜人依然帥的索羅船長，智慧之星尤達大師，好搭檔、技工楚巴卡，還是邪惡黑武士...

是名震星系的千年隼號宇宙飛船，迷之優雅的神器光劍，還是浩瀚動人的星空？

如果要我說，我的大愛是天然呆萌、最具默契CP——機器人R2-D2和翻譯機器人C-3PO——是否發現，這倆才是星球系列真·主角？

快說，看電影的時候有沒有被他倆萌翻？是否覺得有個機器人伴你左右酷斃了？辣么聰明的機器人，心疼你，體貼你，為你探測敵軍情報、為你感知外界狀況...仔細想想，竟有種 「理想人生，不過如此」 的感覺。

機器人——一個你從小就莫名熟悉的神奇「物種」，不止是這個詞兒本身，還有它無處不在的身(mo)影(xing)，在影視劇中、在小說里、在科學雜誌上，甚至在你的夢裡......

但是，機器人之於我們，果真像自己認為的那樣熟悉嗎？你了解機器人的結構嗎？你知道它的工作原理嗎？

機器人和普通設備一樣，都是由輸入設備、 輸出設備，以及控制兩者的控制器三個要素構成——機器人是一種高度集成了各式設備的機器。

So，今天要跟大家分享機器人相關的知識了嗎？不，今天想跟大家分享的是——物聯網。

把我們身邊形形色色的「物」都連接到互聯網，就是物聯網。物聯網將是今後一段時間科技發展的大趨勢。當然，我們已經在享受其中的一些非常了不起的成果了，運動手環、智能手錶、智能攝像機、無人機...

你覺得物聯網和機器人是什麼關係？物聯網中使用的設備隨著時間的推移在不斷進化，這條進化之路的前方到底有什麼？機器人即是其中一種非常重要的形式。

對於我們每個人，理解了物聯網，就更好地認識了機器人。什麼？你還不了解物聯網... 好，今天我們就來分享點兒物聯網的乾貨吧！

物聯網的技術要素

要實現物聯網，需要很多技術要素。除了感測器等電子零件和電子電路以外，還包括 Web 應用中經常用到的技術，以及數據分析等。接下來為大家簡單說說這些技術。

1.設備

物聯網與以往的 Web 服務不同，設備在其中擔任著重要的作用。設備指的是一種「物」，它上面裝有一種名為感測器的電子零件，並與網路相連接。比如大家拿著的智能手機和平板電腦就是設備的一種。家電、手錶以及傘等，只要能滿足上述條件，就是設備。

這些設備起著兩個作用：感測和反饋。

感測作用

感測指的是搜集設備本身的狀態和周邊環境的狀態並通知系統。這裡說的狀態包括房門的開閉狀態、房間的溫度和濕度、房間裡面有沒有人，等等。設備是利用感測器這種電子零件來實現感測的。

反饋的作用

設備的另外一個作用是接收從系統發來的通知，顯示信息或執行指定操作。系統會基於從感測器處搜集到的信息進行一些反饋， 並針對現實世界採取行動。

2.感測器

要想像前文說的那樣搜集設備和環境的狀態，就需要利用稱為感測器的電子零件。 感測器負責把物理現象用電子信號的形式輸出。例如有的感測器可以把溫度和濕度作為電子信號輸出，有的感測器能把超聲波和紅外線等人類難以感知的現象轉換成電子信號輸出。 數碼相機上使用的圖像感測器也能把進入鏡頭的光線捕捉成 3 種顏色的光源，並將其轉換為電子信號。因此它也可以歸為感測器。感測器的種類很多，下圖列出了幾種。

3.網路

在把設備連接到物聯網服務時，網路是不可或缺的。不僅要把設備連接到物聯網服務，還得把設備連接到其他設備。物聯網使用的網路大體上分為兩種：一種是把設備連接到其他設備的網路，另一種是把設備連接到物聯網服務的網路。

4.互聯網服務

物聯網服務有兩個作用：一是從設備接收數據以及發送數據給設備； 二是處理和保存數據。

我們具體看一下這兩個作用。

數據交換

通常的 Web 服務會根據 Web 瀏覽器發送的 HTTP 請求發送 HTML， 然後用 Web 瀏覽器顯示。物聯網服務則不採用 Web 瀏覽器，而是接收從設備直接發來的數據。設備發來的數據內容包括設備搭載的感測器採集的信息，以及用戶對設備進行的操作。設備和物聯網服務的通信方法大致分為兩種：同步傳輸和非同步傳輸。

處理和保存數據

就如大家剛看到的那樣，處理和保存數據的操作包括把從設備接收到的數據保存到資料庫，以及從接收到的數據來判斷如何控制設備。從設備接收到的數據不只有數值型數據（能用計算機簡單處理），根據要實現的內容，還包含圖像、語音、自然語言這些很難直接用計算機處理、沒有被結構化的數據（非結構化數據）。處理時，有時會把那些易於用計算機處理的數據從非結構化數據中提取出來，例如把表示圖像和語音特徵的值提取出來。這些信息會被保存到資料庫中。設備按照所提取數據的判斷邏輯來決定反饋的內容，例如基於某個房間的溫度數據來決定空調的開關狀態和目標溫度。處理和保存方法大體上分為兩種：對保存的數據定期進行採集和處理的批處 理，將收到的數據逐次進行處理的流處理。

5.數據分析

數據分析的代表性方法有兩種，分別是統計分析和機器學習。這裡就來看看用這兩種方法能辦到什麼。

統計分析

統計分析是用數學手法通過搜集到的大量數據來明確事物聯繫性的方法。

機器學習

統計分析基於大量數據之間的聯繫性，明確當前數據間形成的關聯。機器學習則不僅僅能進行分析，還能預測今後的發展狀況。

機器學習就如它的字面意思一樣，計算機會按照程序決定的演算法， 機械性地學習數據之間的聯繫性。當給出未知數據時，也會輸出與其對應的值。

機器學習分為兩個階段：學習階段和識別階段。在學習階段，一個名為學習器的程序會基於一些訓練數據，機械性地掌握這些數據之間的聯繫。作為學習階段的結果，計算機會根據機器學習的演算法輸出參數，然後以這個參數為基礎創建鑒別器（discriminator）程 序。只要把未知的數據給這個鑒別器，就能輸出最適合這個值的結果。

舉個例子，假設我們想使用若干種感測器來識別房間里有沒有人。 這種情況下需要準備兩種數據，即房間里有人的感測器數據（正面例子）和房間里沒人的感測器數據（反面例子）。計算機通過把這兩種數據分別交給學習器，可以獲取製作鑒別器用的參數。對於以參數為基準製作的鑒別器而言，只要輸入從各個感測設備接收到的數據，鑒別器就能輸出結果，告訴我們現在房間里是否有人。

上述內容屬於機器學習的示例之一，被稱作分類問題。在用於執行數據分類的機器學習演算法中有很多途徑，如用於垃圾郵件過濾器的貝葉斯過濾器和用於分類文檔及圖像的支持向量機（Support Vector Machine， SVM）等。此外，除了分類問題以外，機器學習還能解決很多領域的問題。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！