智能传感器模拟人脑解读大数据

微迷 中字

德国电子公司罗伯特·博世(Robert Bosch)认为,为了克服大数据(Big Data)的挑战,我们必须通过让各个层面智能化的方式打造解决方案,包括从边缘传感器到集中的传感器中枢,再到云端数据分析。

所幸我们的大脑拥有最智能的传感器——包括眼睛、耳朵、鼻子、味蕾和触觉灵敏度,能够因应物联网(IoT)的需要塑造我们的电子大数据解决方案。

Bosch Sensortec业务开发主管Marcellino Gemelli在国际半导体产业协会(SEMI)最近举行的年度MEMS与传感器高峰会议(MEMS & Sensor Executive Congress; MSEC)上说:“我们必须将大数据的问题馈入基于人脑的模型产生器,然后用这个模型来预测最佳化解决方案应该是什么样子的。由于神经元具有多功能性,使得这些机器学习解决方案够在多个层面上运作。”

神经元是大脑的微处理器——它能接受数以千计的大数据输入,但在接收到记忆突触介导的数以千计树突输入后,仅沿着轴突输出单一电压突波。通过这样的方式,眼睛、耳朵、鼻子、味蕾和触觉传感器(主要用于存在、压力和温度)的接收器就能预先处理大量的原始大数据输入后,再沿脊髓传送摘要数据(在电压突波上编码)至被称为‘old brain’的中枢——这是负责呼吸、心跳和反射等任务的脑干和自动行为中心。

最后,经过预处理的数据经由一个巨大的互连阵列——称为“白质”(white matter)——到达大脑有意识的部份(大脑皮层灰质)的最终目的地。大脑皮层的每个部份分别专用于视觉、语言、嗅觉、味觉和触觉等感官,以及注意、推理、评估、判断和相应规划等认知功能。

智能传感器模拟人脑解读大数据

智能传感器模拟大脑以三个层次进行建模:以腕戴型可穿戴设备即时获取大数据读数为代表的感官层次;第二层中枢(在此以智能手机为例)以趋势图形进行汇整,然后每隔几分钟传送至第三层的云端(来源:Bosch)

Gemelli说:“大脑神经网络的数学运算就相当于感知,它可以通过其可变电导突触来学习,而大数据则通过它进行串流传输。我们可以添加多种层次的传感器,学习人类所能学习的所有东西,例如人们走路的各种不同方式。”

智能传感器模拟人脑解读大数据

大脑对于认知系统与边缘系统的感知资料处理(来源:Bosch)

摩尔定律的影响

摩尔定律(Moore's Law)也有助于实现多层次的感知——称为深度学习(deep learning)——因为它提供了一种在边缘传感器、在中枢进行智能处理以及在云端分析的通用方法。

Gemelli说:“首先,数量方面很有帮助——大数据的量越多越好。其次,多样性有助于学习事物的各种不同面向,例如上述人们用来行走的不同步态;第三,传感器必须回应的速度需要加以量化。一旦你定义了这三种参数,就可以为任何特定应用最佳化神经网络。”

例如,Gemelli说,智能手表/智能手机/智能云端组合可以分别控制大数据。智能手表评估来自个人用户的即时连续数据,然后每隔几分钟将最重要的摘要数据发送到智能手机。接着,智能手机在一天中只需几次向智能云端发送趋势摘要即可。最重要的数据点的详细分析就在云端中执行,并反馈回给佩戴智能手表的特定用户,以及为其他智能手表佩戴者适时建议如何达到相同设定目标。

目前,博世正借由在其边缘传感器上加入处理器,以模拟这种三种层级的大脑模型,使其得以辨识并集中大数据趋势,然后再传送至智能中枢。

Gemelli说:“特别是智慧城市需要利用内建处理器的智能传感器,才能实现即时边缘传感器趋势。然后,他们再将这些趋势发送到传感器中枢,分析并发送最重要的数据至云端,以便为城市管理者分析可行的数据。”

智能传感器模拟人脑解读大数据

理想的IoT大数据架构(来源:Bosch)

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存