為了克服Big Data的挑戰(zhàn)，透過(guò)模擬人類(lèi)大腦的方式打造智能傳感器解決方案，實(shí)現(xiàn)從邊緣傳感器、融合中樞再到云端資料分析的分層智能化…

德國(guó)電子公司羅伯特·博世（Robert Bosch）認(rèn)為，為了克服大數(shù)據(jù)（Big Data）的挑戰(zhàn)，我們必須透過(guò)讓各個(gè)層面智能化的方式打造解決方案，包括從邊緣傳感器到集中的傳感器中樞，再到云端資料分析。

所幸我們的大腦擁有最智慧的智能傳感器——包括眼睛、耳朵、鼻子、味蕾和觸覺(jué)靈敏度，能夠因應(yīng)物聯(lián)網(wǎng)（IoT）的需要塑造我們的電子大數(shù)據(jù)解決方案。

Bosch Sensortec業(yè)務(wù)開(kāi)發(fā)主管Marcellino Gemelli在國(guó)際半導(dǎo)體產(chǎn)業(yè)協(xié)會(huì)（SEMI）最近舉行的年度MEMS與傳感器高峰會(huì)議（MEMS & Sensor Executive Congress； MSEC）上說(shuō)：“我們必須將大數(shù)據(jù)的問(wèn)題饋入基于人腦的模型產(chǎn)生器，然后用這個(gè)模型來(lái)預(yù)測(cè)優(yōu)化解決方案應(yīng)該是什么樣子的。由于神經(jīng)元具有多功能性，使得這些機(jī)器學(xué)習(xí)解決方案夠在多個(gè)層面上運(yùn)作?！?/p>

神經(jīng)元是大腦的微處理器——它能接受數(shù)以千計(jì)的大數(shù)據(jù)輸入，但在接收到記憶突觸介導(dǎo)的數(shù)以千計(jì)樹(shù)突輸入后，僅沿著軸突輸出單一電壓突波。透過(guò)這樣的方式，眼睛、耳朵、鼻子、味蕾和觸覺(jué)傳感器（主要用于存在、壓力和溫度）的接收器就能預(yù)先處理大量的原始大數(shù)據(jù)輸入后，再沿脊髓傳送摘要信息（在電壓突波上編碼）至被稱(chēng)為‘old brain’的中樞 -——這是負(fù)責(zé)呼吸、心跳和反射等任務(wù)的腦干和自動(dòng)行為中心。

最后，經(jīng)過(guò)預(yù)處理的數(shù)據(jù)經(jīng)由一個(gè)巨大的互連數(shù)組——稱(chēng)為“白質(zhì)”（white matter）——到達(dá)大腦有意識(shí)的部份（大腦皮層灰質(zhì)）的最終目的地。大腦皮層的每個(gè)部份分別專(zhuān)用于視覺(jué)、語(yǔ)言、嗅覺(jué)、味覺(jué)和觸覺(jué)等感官，以及注意、推理、評(píng)估、判斷和相應(yīng)規(guī)劃等認(rèn)知功能。

智能傳感器仿真大腦以三個(gè)層次進(jìn)行建模：以腕戴型穿戴裝置實(shí)時(shí)擷取大數(shù)據(jù)讀數(shù)為代表的感官層次；第二層中樞（在此以智能型手機(jī)為例）以趨勢(shì)圖形進(jìn)行匯整，然后每隔幾分鐘傳送至第三層的云端

Gemelli說(shuō)：“大腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)運(yùn)算就相當(dāng)于感知，它可以透過(guò)其可變電導(dǎo)突觸來(lái)學(xué)習(xí)，而大數(shù)據(jù)則透過(guò)它進(jìn)行串流傳輸。我們可以添加多種層次的感知器，學(xué)習(xí)人類(lèi)所能學(xué)習(xí)的所有東西，例如人們走路的各種不同方式?！?/p>

大腦對(duì)于認(rèn)知系統(tǒng)與邊緣系統(tǒng)的感知數(shù)據(jù)處理

摩爾定律的影響

摩爾定律（Moore‘s Law）也有助于實(shí)現(xiàn)多層次的感知——稱(chēng)為深度學(xué)習(xí)（deep learning）——因?yàn)樗峁┝艘环N在邊緣傳感器、在中樞進(jìn)行智慧處理以及在云端分析的通用方法。

Gemelli說(shuō)：“首先，數(shù)量方面很有幫助——大數(shù)據(jù)的量越多越好。其次，多樣性有助于學(xué)習(xí)事物的各種不同面向，例如上述人們用來(lái)行走的不同步態(tài)；第三，感知器必須響應(yīng)的速度需要加以量化。一旦你定義了這三種參數(shù)，就可以為任何特定應(yīng)用優(yōu)化神經(jīng)網(wǎng)絡(luò)。”

例如，Gemelli說(shuō)，智能手表/智能手機(jī)/智能云端組合可以分別控制大數(shù)據(jù)。智能手表評(píng)估來(lái)自個(gè)人用戶(hù)的實(shí)時(shí)連續(xù)數(shù)據(jù)，然后每隔幾分鐘將最重要的摘要數(shù)據(jù)發(fā)送到智能型手機(jī)。接著，智能手機(jī)在一天中只需幾次向智慧云端發(fā)送趨勢(shì)摘要即可。最重要的數(shù)據(jù)點(diǎn)的詳細(xì)分析就在云端中執(zhí)行，并反饋回給佩戴智能手表的特定用戶(hù)，以及為其他智能手表佩戴者適時(shí)建議如何達(dá)到相同設(shè)定目標(biāo)。

目前，博世正借助在其邊緣傳感器上加入處理器，以模擬這種三種層級(jí)的大腦模型，使其得以辨識(shí)并集中大數(shù)據(jù)趨勢(shì)，然后再傳送至智能中樞。

Gemelli說(shuō)：“特別是智慧城市需要利用內(nèi)建處理器的智能傳感器，才能實(shí)現(xiàn)實(shí)時(shí)邊緣傳感器趨勢(shì)。然后，他們?cè)賹⑦@些趨勢(shì)發(fā)送到傳感器中樞，分析并發(fā)送最重要的訊息至云端，以便為城市管理者分析可行的信息。”

責(zé)任編輯：ct