丽莎老师讲机器人之人工智能搞垃圾分类，一次只要1.5秒

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
垃圾分类是今年的一大热词，科博会上模块化智能资源分拣机器人在现场不知疲倦地为观众表演绝活儿——给垃圾分类。
不规则的木头、砖头，各式各样的塑料瓶、易拉罐，源源不断来到传送带，正上方的机器人通过摄像头“眼睛”一扫，识别出来物体的大小、特征，“大脑”迅速判断，立即干脆利落地张开机械手，把垃圾抓起，分类放到不同的箱子里。
“机器人每小时能抓2400次，相当于抓一次1.5秒。”不论是50厘米长的大块木头，还是10厘米长的小砖块、易拉罐，只要在机器人抓取范围内，分拣机器人都不会“放过”。机器人每次最大抓取重量是20斤。
“识别非常难，因为垃圾是不规则、非标准的。做到这些最关键的就是人工智能。从2017年开始，团队就开始研发人工智能机器人，人工智能需要融入各行各业，在选择细分落地方向时，团队选择当时的“冷门”——还不受关注的垃圾分类。
通过深度视觉识别技术，不断训练、学习和迭代，机器人逐渐熟悉各种垃圾的种类、特点，识别准确度越来越高。再加上自主研发的高速机器人分拣技术，最终实现一体化智能分拣。
“混杂的是垃圾，分开的就是资源。每年拆迁、装修、生活垃圾那么多，填埋和焚烧都面临着难题，将垃圾通过分类实现资源化是必然选择。但现在垃圾分类有不少还依靠“人海战术”，让一堆人在处置线上分拣，灰尘、噪音、人身伤害等工作环境恶劣。还有的是靠传统机械，但同样也存在问题——垃圾太复杂，难以分拣干净，结果只会把一大堆垃圾分成若干小堆垃圾。
通过把机器人编组，6个机器人组成一套装修垃圾智能分拣处置线，有的拣木头，有的拣塑料瓶，有的拣易拉罐，有的分拣混凝土，就可实现每年15万吨的装修垃圾资源化精细分拣规模。“远期目标是，能让机器干的，全部让机器干。近期目标是，人只干一点点，剩下的留给机器。

丽莎老师讲机器人之安川电机制造了台会砍人的机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
日本造的机器人很有特色，有会投篮的..有.会当服务生的...还有会念经超度的...
所以对比之下，会舞刀的 MH-24 似乎也没啥好震惊的～
它由日本著名工业机器人制造商——安川电机 所制造，可以说一出厂就是天赋满级。
因为 MH-24 学剑术并不需要夜以继日的训练。只要让一名武士穿着3D运动检测服去舞刀，衣服就能够捕捉他的动作数据并传输到 MH-24 身上，从而使其学会所有的招式。
而这名武士嘛...就是日本的第一快刀——町井勋。他可是个传奇人物～不仅曾创下36分5秒刀砍1000卷草席的世界纪录，甚至还能够刀劈迎面射来的BB弹！无论反应速度还是挥刀速度都恐怖如斯。平时切水果切棒球也跟玩似的～
而为了证明 MH-24 的剑术实力，安川电机就特地安排了一个节目——让学会町井勋剑术的 MH24 与町井勋本人进行「居合道」对决。
当然，不是对砍，而是劈砍道具，看谁砍得漂亮～
第一回合比的是「袈裟斩」，砍的是卷草席，可以看到，无论挥刀速度还是劈砍路径，MH24 几乎都与町井勋完全一致。
第二回合比的是「上切斩」，砍的是鲜花。二者动作也是如出一辙～
而第三回合的「水平斩」就凸显出差距了，砍的是橘子。只不过町井勋挑战的是一刀一个橘，而 MH24 是一刀6个橘！
最后的「千本斩」更是完全碾压～在规定的时间内，MH24 砍了更多的卷草席，俨然已经超越了第一快刀！

丽莎老师讲机器人之2019年六大人工智能科技趋势

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。 
01、自主事物
目前自主事物有五种类型：机器人、车辆、无人机、家电、虚拟助理。
这五种类型占据四种环境：海洋、陆地、空中和数字。它们都具有不同程度的能力，协调和智能。例如，它们可以跨越在空中操作的无人机，人工辅助在田地中完全自主地操作的农业机器人。这描绘了潜在应用的广泛图景，几乎每个应用程序、服务和物联网对象都将采用某种形式的AI来自动化或增强流程或人为操作。诸如无人机群之类的协作自主事物将越来越多地推动人工智能系统的未来发展。

02、增强式分析（大数据）
数据科学家现在拥有越来越多的数据来准备，分析和分组，并从中得出结论。鉴于数据量，探索所有可能性变得不可能。这意味着企业可能会错过数据科学家无法探索的假设的关键见解。
增强分析代表了数据和分析能力的第三大浪潮，数据科学家使用自动算法来探索更多假设。数据科学和机器学习平台已经改变了企业如何产生分析洞察力。
“到2020年，超过40％的数据科学任务将实现自动化”。
增强分析可识别隐藏的模式，同时消除个人偏见。虽然企业存在无意中将偏差插入算法的风险，但增强分析和自动化洞察最终将嵌入到企业应用程序中。
到2020年，公民数据科学家的数量将比专业数据科学家快5倍。
公民数据科学家使用人工智能驱动的增强分析工具，自动化数据科学功能，自动识别数据集，开发假设和识别数据模式。企业将把公民数据科学家视为实现和扩展数据科学能力的一种方式。Gartner预测，到2020年，超过40％的数据科学任务将实现自动化，从而提高公民数据科学家的生产力和广泛使用。在公民数据科学家和增强分析之间，数据洞察将在整个企业中得到更广泛的应用，包括分析师、决策者和运营工作者。

3、人工智能驱动的开发
AI驱动的开发着眼于将AI嵌入到应用程序中并使用AI为开发过程创建AI驱动的工具的工具，技术和最佳实践。这一趋势正在沿着三个方面发展：
用于构建基于AI的解决方案的工具正在从针对数据科学家（AI基础设施，AI框架和AI平台）的工具扩展到针对专业开发人员社区（AI平台，AI服务）的工具。借助这些工具，专业开发人员可以将AI驱动的功能和模型注入应用程序，而无需专业数据科学家的参与。
用于构建基于AI的解决方案的工具正在被赋予AI驱动的功能，这些功能可以帮助专业开发人员并自动执行与AI增强型解决方案开发相关的任务。增强分析、自动化测试、自动代码生成和自动化解决方案开发将加速开发过程，并使更广泛的用户能够开发应用程序。
支持AI的工具正在从协助和自动化与应用程序开发（AD）相关的功能演变为使用业务领域专业知识和自动化AD流程堆栈（从一般开发到业务解决方案设计）的更高活动。
市场将从专注于与开发人员合作的数据科学家转移到使用作为服务提供的预定义模型独立运营的开发人员。这使更多的开发人员能够利用这些服务，并提高效率。这些趋势也导致虚拟软件开发人员和非专业“公民应用程序开发人员”的主流使用。
4 、赋权边缘
边缘计算是一种拓扑，其中信息处理和内容收集和传递更靠近信息源，并且将流量保持在本地将减少延迟。目前，该技术的大部分重点是物联网系统需要在嵌入式物联网世界中提供断开连接或分布式功能。这种类型的拓扑结构将解决高WAN成本和不可接受的延迟水平等挑战。此外，它还将实现数字业务和IT解决方案的细节。
“技术和思维将转变为经验将人们与数百个边缘设备联系起来的地步”。
到2028年，Gartner预计在边缘设备中嵌入传感器，存储、计算和高级AI功能将不断增加。一般而言，智能将走向各种终端设备的边缘，从工业设备到屏幕再到智能手机再到汽车发电机。
 5、AI连接万物

到2028年，改变用户与世界互动方式的会话平台，以及改变用户感知世界的方式的增强现实（AR）、混合现实（MR）和虚拟现实（VR）等技术将带来新的身临其境的体验。AR、MR和VR显示出提高生产力的潜力，下一代VR能够感知形状并跟踪用户的位置和MR，使人们能够查看和与他们的世界互动。
到2022年，70％的企业将尝试使用沉浸式技术进行消费和企业使用，25％将部署到生产中。会话平台的未来，从虚拟个人助理到聊天机器人，将结合扩展的感官渠道，使平台能够根据面部表情检测情绪，并且他们将在交互中变得更加对话。
最终，技术和思维将转移到这样的程度，即人们将数百种边缘设备（从计算机到汽车）连接起来。
6、智能空间
智能空间是物理或数字环境，人类和技术支持的系统在日益开放、连接、协调和智能的生态系统中相互作用。随着技术成为日常生活中更加集成的一部分，智能空间将进入加速交付的时期。此外，随着个人解决方案成为智能空间，其他趋势，如AI驱动技术、边缘计算、区块链和数字双胞胎正在朝着这一趋势发展。
智能空间仅在五个关键方面发展：开放性、连通性、协调性、智能性和范围。从本质上讲，智能空间正在发展，因为单个技术从孤岛中产生，共同协作以创建协作和交互环境。智能空间最广泛的例子是智能城市，其中结合商业、住宅和工业社区的区域正在使用智能城市生态系统框架进行设计，所有部门都与社会和社区协作相关联。

丽莎老师讲机器人之第四代胶囊机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！或搜索微信公众号：我最爱机器人。
不少人都惧怕胃镜检查，因为那需要吞下一根长长的管子，异物感令许多人难以忍受。如今，胃镜和肠镜检查都有了高科技帮忙。病人只需服下一颗小小的“胶囊”， 胃肠道内的病灶就能被医生看得一清二楚。
胶囊机器人在体外设备的智能控制下，像一艘无人驾驶的飞船穿梭在胃部模型的各个位置，执行检查任务。这种胶囊机器人已经在北京等多个大城市的三甲医院进入临床试验阶段，未来将实现对胃部疾病开展早筛智能检查。
胶囊机器人”的外形与普通食用胶囊极为相似，尺寸略偏大一些，长大约2厘米，直径大约1厘米，普通人可以很顺利地吞服。
服下“胶囊”后，“病人”躺在一张类似X光检查的床位上，腹部对准一个“探头”。一旁的控制台有一个大屏幕，随着“胶囊”逐渐深入体内，“病人”体内的画面不断在控制台显示器上出现。小小的“胶囊”像一辆无人驾驶的飞船游弋穿梭在胃的各个位置，完全无人干预。它用搭载的高清摄像头“扫”过每一寸内壁，发现每一个疑似点，实时画面传至医生眼前，支持诊断。

“它有自己的‘大脑’，可以判断该去哪里，在哪里停多久，还能精准控制自己的姿态，智能导航胶囊机器人采用胶囊内部传感器的智能感测技术和胶囊机器人控制姿态感测技术，能够结合人体腔道图像深度学习技术和胶囊距离感测技术实现实时定位。同时通过智能控制算法，控制胶囊在胃腔里的运动轨迹。
这款胶囊机器人是“胶囊内镜系列”的第四代产品。研发者的一位亲人因为肠胃不舒服住进了医院，需要做消化道检查。当时做胃镜和肠镜是唯一的精准检查手段，但这种传统的检查方式令老人痛苦不堪，离开检查室的时候几乎耗尽了体力。“能不能从技术上减轻人的痛苦，让取样检查的摄像头直达‘目的地’？”研发者咨询了一大批国内的微机电技术专家后，产生了一个大胆的念头：把检查设备装进一个胶囊里，让病人吞下去，再排出来。
2003年，第一颗成型的胶囊式内窥镜诞生。这颗“胶囊”的主要功能就是检查消化道特别是小肠的疾病，包括小肠静脉曲张、肠壁出血等等。“当时我们发现，检查胃有插管胃镜，检查结肠可以用传统肠镜，但小肠因为狭窄迂回的形态，始终有传统内窥镜无法探视的盲区。”
2004年10月，这颗胶囊内镜在多家成功进行了临床应用试验，并在2005年获得了当时国家食品药品监督管理局颁发的三类医疗器械注册证，成功走入市场。在一些地方，用“胶囊肠镜”甚至已经纳入了医保。
生活节奏的加快和不良生活习惯的影响，胃部疾病尤其是胃癌的发病率在不少地方都出现攀升，而胃癌的治疗关键在于早发现。“很多人抵触用插管胃镜，那我们就用创新的胶囊胃镜技术对他们进行无痛无创的舒适化检查。最终受益的是老百姓。”“胶囊机器人”不仅可以自主进行胃部检查，还可以通过人工智能技术对检查的图像进行辅助诊断，同时发展远程诊疗技术，比如通过互联网技术开展异地读片诊断、指导治疗，实现胃癌早期筛查的普及。
胶囊机器人”已经在北京等多个大城市的三甲医院进入临床试验阶段，未来将实现对胃部疾病早筛防癌的智能检查。这对于广大民众而言，无疑是福音。资料显示，以胃癌为例，早期发现早治疗，五年生存率高达90%以上，而如果是晚期才发现，五年生存率只有20%左右。但事实上，由于传统胃镜难以被人们所接受，检查率也就10%左右。在西方不少发达国家，胃镜检查几乎是体检必选项目。如果“胶囊机器人”在胃镜检查中得到应用，无疑会被更多人所接受。
胶囊机器人使用的技术有：
胶囊控制技术
采用机器人智能控制技术，精确控制胶囊在人体腔道的运动轨迹，达到快速、全面对人体腔道检查的目的。降低使用风险、减轻病人痛苦，使得全消化道检查完整度得到提高，最大限度减少漏诊率，同时指导医生针对具体部位进行精确检查。
胶囊定位技术
采用胶囊内部传感器的智能感测技术和胶囊机器人控制姿态感测技术，结合人体腔道图像深度学习技术和胶囊距离感测技术，形成腔道模拟图，显示胶囊在腔道中的位置和3D姿态，实现胶囊的实时定位。医生可针对具体部位进行精确检查。
人工智能控制算法
采用机器人智能控制算法，实现消化道智能路径规划，自动控制胶囊在人体大腔道的运动。这项技术属于世界首创。
双控制磁场技术
采用双控制磁场技术，在胶囊的上下设计控制磁场，能够增加胶囊内镜受到的磁力及控制力。在现有的产品中，都是采用单磁铁方案，当磁铁把胶囊内镜吸附到胃上表壁时，可以得到较好的控制，但当胶囊处于胃的下表壁时，由于磁铁距离胶囊较远，控制力不足，胶囊很难达到理想的控制效果。因此该技术在人体下方设置第二磁铁，当胶囊内镜处于胃的下表壁时，下方磁铁可以控制胶囊的运动及姿态，使胶囊内镜能够得到较强的控制力。
医疗大数据技术
采用基于大数据人工智能的消化图像实时识别及智能诊断系统，可在检查过程中对采集到的图片智能分析，实现可疑病灶自动预警，为医生提供可疑病灶全面、准确的信息，减少漏诊，实现早癌筛查及病变部位重点检查。
“飞捷”算法
这项称之为“飞捷”算法的应用能完成同步多项目检查，在分类的同时可以给出异常所在的位置。另外利用算法同时对不同种类的异常进行检测，实现了对胃部多种疾病的同时诊断，能节省医生的时间。

丽莎老师讲机器人之德国科学家成功研制人工皮肤

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
由于机器人自身机械机构的限制，用来完成它们的动作的液压和气动系统反应是在是太慢了，现实中的机器人给我们的印象总是像僵尸一样动作僵硬
来自世界各地的研发人员，并没有停下研发的步伐，他们一直想通过技术革新来让机器人能完成跟人类一般连贯的动作。早在2016年，来自美国哈佛大学的工程师，就利用纳米碳管研发出了一种“人工肌肉”。经过各国科学家的不断改良，这种人工肌肉让机器人的躯体变得跟人类一样柔软，而且可以驱动机器人漂亮地完成许多动作。
然而，人工肌肉还不能让机器人跟接近人类，因为它们还没有像人类一样灵敏的触觉。如果你想让机器人和人类亲密接触，触觉就显得尤为重要。比如，你想跟机器人拥抱，如果它没有触觉，它就没法感知自己的身体，你抱着它，它不知道用多大的力来拥抱你。有可能它的双臂会把你夹扁。
机器人需要触觉，需要像人类一样的皮肤，敏感的皮肤能使机器人感知自己的身体和周围环境。受到人类皮肤的启发，来自德国慕尼黑技术大学的一个研究小组开发了一种将人类皮肤结构与控制算法相结合的系统，并用它来创造了第一个具有全身人工皮肤的自主类人机器人。
研发团队开发的人造皮肤由许多个六角形“细胞”组成，每个“细胞”的大小跟一枚硬币相当。（有点太大了。）每个“细胞”都配备了微处理器和传感器，以检测接触、加速度、接近度和温度。这种人造皮肤使机器人能够更细致、更敏感地感知周围环境。这不仅有助于他们能安全移动。这也使他们在人人类附近活动时对人类更安全，使他们能够预测和积极避免事故。
这些“细胞”本身是大约10年前由东京大学认知系统教授开发的。但是，这项发明只有在被集成到一个复杂的系统中时才显示出它的全部潜力。
开发机器人皮肤的最大障碍是计算能力。人类皮肤有大约500万个受体，每个受体都能通过神经与人类的大脑进行信号交流。但是机器人身上的计算机目前来说，根本不可能灵活地处理500万个受体的信号，对人造皮肤传感器数据进行连续处理的努力很快就达到了极限。以前的系统很快就被几百个传感器的数据过载了。
为了克服这个问题，研发团队使用神经工程的方法，不连续监测皮肤细胞，而是使用基于事件的系统。这将减少高达90%的处理工作量。只有当数值改变时，单个细胞才从传感器传输信息。这类似于人类神经系统的工作方式。例如，当我们第一次戴上帽子时，我们会感觉到它，但我们很快就习惯了这种感觉而不去注意它。这样的机制使我们的神经系统能够集中于需要身体反应的新印象。
通过基于事件的方法，研发团队现在已经成功地将人工皮肤应用到一个不依赖任何外部计算的人类大小的自主机器人上。这个最新研发的机器人型号叫H-1。H-1机器人的上身、手臂、腿部甚至脚底都装有1260个“细胞”（超过13000个传感器）。这给它一种新的“身体感觉”。例如，H-1有着灵敏的脚，它能够对不平整的地面做出反应，能做出单脚平衡的动作。
凭借其特殊的皮肤，H-1可以给人一个安全的拥抱。拥抱时，人的身体和机器人的身体在许多不同的地方接触。机器人必须利用这些复杂的信息来计算正确的运动，并施加正确的接触压力，而不至于出力太重，把人夹扁。这样的功能可能在工业机器人或“战斗机器人”中没那么重要，但是在护理领域，这个功能非常重要。
与人类皮肤上的500万个受体相比，1260个“细胞”太少了。但是这已经很了不起了，因为研发团队已经开创了机器人人造皮肤的先河。未来，他们还将开发出体积更小、计算能力更强的“细胞”，制造出像人类皮肤一样薄一样柔软的人工皮肤。

丽莎老师讲机器人之波士顿动力又放大招了

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
近日波士顿动力放出了旗下机器人的最新视频，这次发布的新作的主角依然是双足机器人Atlas，没错，就是之前表演跑酷和后空翻的这个家伙：
这一次，它展示的技能是全程高能的。。机器人体操！全过程是这样子的：先慢慢地双手撑地，来了一个慢起手倒立。然后，紧接着一个前滚翻，再接一个前空翻！
再你还没来得及赞叹其动作的流畅之余，它又来一个原地180°空中转体！加一个前空翻！接一个分腿跳，再一个前空翻！紧接着，再接原地360°空中转体！最后，是一个优美的结束动作。
这拨更为精细和难度更高的操作，让观众们都纷纷大声叫好～这个家伙果然现在。。更能了！！！
从视频上来来，Atlas 已经和有运动细胞的人类没啥太大区别了，甚至它作出的一些动作只有体操运动员才会做。
但是你别忘了，这看似信手拈来、轻车熟路的动作，背后的动力学有多难算，最终实现起来是多复杂啊。。
我们都知道：无论是跳跃转身、侧空翻还是分腿跳，其本质都是要控制好重心和动力分配。
而这首先要经过海量的动作学习后才能总结出运转数据，然后，在把每个机械动作命令模拟推演出来后，才能用编程和机械还原出这些与人的动作相似的效果。
波士顿动力表示，这次 Atlas 使用了新技术简化了开发过程，把每个动作的高级描述转换为可以执行的参考动作，再用一个“模型预测控制器”设备来完成这些动作，并将不同的动作平稳顺滑地连接在一起。
不过，虽然开发进度比以前快得多，但现在的成果还不足以证明 Atlas 已达到完美。波士顿动力表示，目前 Atlas 执行这样一套动作的成功率约为 80%。

丽莎老师讲机器人之选择人工智能数据存储的六个注意事项

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
人工智能和机器学习将成为帮助企业利用其核心数字资产创造竞争优势的两个最重要的工具。但在采用人工智能数据存储之前，企业必须考虑一系列基于机器学习平台如何获取、处理和保留数据的需求。
首先，企业需要检查机器学习软件使用的数据的生命周期，因为这可以帮助企业了解为人工智能选择存储时应考虑的事项。企业必须获取数据来训练机器学习或人工智能算法。这些是处理数据以学习任务的软件工具，例如识别对象、处理视频和跟踪运动。数据可以从多种来源产生，并且通常本质上是非结构化的，例如对象和文件。
人工智能的训练过程需要使用数据资产，并使用机器学习或人工智能软件创建算法，以处理未来的数据源。在训练或开发算法时，人工智能软件将处理源数据，以开发一个模型，该模型可以创建企业需要获得的洞察力或收益。
开发机器学习算法很少作为一个单一的过程来完成。随着企业积累新的数据，其算法得到了改进和完善。这意味着很少的数据被丢弃，相反，它会随着时间的推移而增长并重新处理。
在企业为人工智能平台选择存储之前，必须首先考虑以下注意事项：
1.成本。人工智能数据存储的成本是企业考虑的关键因素。显然，企业管理层和参与采购决策的管理人员都希望其存储尽可能具有成本效益，并且在许多情况下，这将影响企业的产品选择和策略。

2.可扩展性。在此需要强调收集、存储和处理大量数据以创建机器学习或人工智能模型的必要性。机器学习算法要求源数据呈指数增长，以实现精度的线性提高。创建可靠和准确的机器学习模型可能需要数百TB甚至PB的数据，而且这只会随着时间的推移而增加。

构建PB级存储系统通常意味着使用对象存储或横向扩展文件系统。现代对象存储当然可以解决人工智能工作负载的容量需求，但是它们可能无法满足其他标准，例如高性能。横向扩展文件系统可以提供高性能和良好的可扩展性，但是将整个数据集存储在单个平台上可能会很昂贵。由于可扩展性要求和大容量产品的成本，块存储通常不是机器学习或人工智能的正确选择，因为高容量产品的可扩展性要求和成本。这里唯一的例外是在公共云中。
存储成本的变化引入了分层或使用多种存储类型来存储数据的思想。例如，对象存储是存储大量非活动人工智能数据的良好目标。当需要处理数据时，可以将其移动到高性能文件存储集群或为高性能而设计的对象存储中的节点，并且在处理完成后可以将数据移回。
3.性能。人工智能数据的存储性能包括三个方面。首先可能也是最重要的是延迟。这定义了软件发出的每个I/O请求的处理速度。低延迟很重要，因为改善延迟会直接影响创建机器学习或人工智能模型所需的时间。复杂的模型开发可能需要数周或数月的时间才能运行。通过缩短此开发周期，企业可以更快地创建和完善模型。在检查延迟功能时，由于对象访问的数据流特性，对象将引用时间存储到第一个字节，而不是单个I/O请求的延迟。
存储性能的另一个方面是吞吐量，这是可以将数据写入存储平台或从存储平台读取数据的速度。系统吞吐量很重要，因为人工智能培训会处理大量数据集，通常会反复读取和重新读取相同的数据以准确地开发模型。机器学习和人工智能数据的来源(例如自动驾驶汽车上的传感器)每天可以产生数TB的新数据。所有这些信息都必须添加到现有数据存储中，并且对任何现有处理的影响最小。
正确设置存储平台至关重要，因为涉及的数据量非常大。
存储性能的最后一个方面是并行访问。机器学习和人工智能算法并行处理数据，运行多个任务，这些任务可以多次读取同一数据，并跨越多个并行任务。对象存储擅长并行读取I/O处理，因为没有对象锁定或属性可管理。文件服务器跟踪内存中打开的I/O请求或文件句柄。因此，I/O请求的数量取决于平台上可用的内存。
机器学习的数据可以由大量的小文件组成。在这个领域，文件服务器可以提供比对象存储更好的性能。向人工智能存储供应商提出的一个关键问题是，其产品的性能特征将如何在大文件类型和小文件类型之间发生变化。
4.可用性和耐用性。机器学习和人工智能学习模型可以长期连续运行。通过训练开发算法可能需要几天或几周的时间。在此期间，存储系统必须启动并持续可用。这意味着任何升级、技术更换或系统扩展都需要在不停机的情况下进行。
在大型系统中，部件故障是正常的，必须按此处理。这意味着用于人工智能工作的任何平台都应该能够从设备(例如HDD硬盘或SSD硬盘)和节点或服务器故障中恢复。对象存储使用擦除编码在多个节点上广泛分布数据，并将组件故障的影响降到最低。有擦除编码技术可以扩展文件系统以提供同等的弹性级别。擦除编码方案的效率非常重要，因为它直接关系到读写I/O的性能，特别是对于小文件。
由于大多数大型对象存储太大而无法定期备份，因此可靠的擦除编码成为人工智能存储平台的基本功能。
5.公共云。开发机器学习和人工智能算法既需要高性能的存储又需要高性能的计算。许多人工智能系统都基于GPU(例如Nvidia DGX)，可以减轻开发精确算法所涉及的许多复杂数学计算的负担。
公共云服务提供商已开始提供可用于机器学习的GPU加速虚拟实例。在公共云中运行机器学习工具可以降低构建机器学习开发基础设施的投资和成本，同时提供扩展开发机器学习模型所需基础设施的能力。
使用公共云计算面临的挑战是如何以经济高效和实用的方式将数据导入公共云。基于云计算的对象存储速度太慢，无法满足机器学习的I/O需求;因此，必须使用本地块存储。每延迟一分钟传输数据以及执行机器学习的延迟，就意味着增加运行基础设施的成本。
公共云的另一个问题是数据出口的成本。尽管云计算服务提供商不收取将数据移动到其平台的费用，但他们确实会收取从其平台之外的公共网络访问的任何数据的费用。因此，尽管公共云在计算方面提供了灵活性，但以一种及时且经济高效的方式在云中进出数据并不总是那么简单。
供应商正在开发存储产品，以在其内部部署和公共云中运行其产品。这些产品可以有效地复制数据或将数据移至云中，并且只在完成后才将结果移回。这些复制技术具有高带宽效率，使在本地存储数据并导入到云中进行分析工作变得切实可行。
6. 整合。构建人工智能数据存储可能很困难，因为存储网络和调整存储必须考虑其他因素才能与机器学习应用程序一起工作。
产品的预包装使供应商能够在将产品交付给客户之前对其产品进行测试和优化。如今，有一些存储产品将流行的人工智能软件、通用CPU和GPU等计算、网络和存储设备结合在一起，以提供支持人工智能的平台。在部署这些系统之前，许多详细的调整工作已完成。尽管成本可能是一个问题，但对于许多客户而言，预包装的系统可以减少采用人工智能存储的障碍。
显然，选择合适的人工智能数据存储平台是性能、可扩展性和成本等指标的平衡。正确使用存储平台至关重要，因为涉及的数据量很大。选择错误的产品可能是一个代价高昂的错误。与任何存储产品决策一样，重要的是与供应商沟通，以准确了解他们的产品如何满足人工智能和机器学习的需要。

丽莎老师讲机器人之人工智能可能会决定未来战场军人的生死

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
美国国防高级研究计划局 启动了一项开发人工智能技术的投标活动，由人工智能驱动的机器人医生，帮助医护人员更好地分配伤员接收到的救助，更好地利用战场上稀缺的各种资源。
假设你和你的战友都受了同样的伤——伤情看起来一样，血也流得一样的多。而我只有两包血，我该给谁呢？人工智能技术，将帮助我们更好地利用这些稀缺资源（比如输血所需的血液）。
这种人工智能将取代医生的直觉，决定医生必须先治疗哪一位伤员。这项技术可能会使用一套设备，监测每名士兵的状态，他如何从创伤中生存下来，以及每名士兵在战斗前的临床数据，以便代表医务人员做出决定。
但是这一构想有着具争议的一面：这项技术将决定一些人员的生死，包括判断哪些病人已经无法挽救，不应该接受医疗援助。
这种人工智能医生辅助系统的一些技术已经存在，还在改进，比如使用脉搏血氧计式接口，从而可以确定一个伤员的血氧含量。

丽莎老师讲机器人之机器人被甩锅背后的心理学分析

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
北卡罗莱纳州立大学的一项最新研究发现，在工业场景中，人们很可能将工作场所事故归咎于机器人！但甩锅的前提是，很多人没有注意到，他们潜意识里其实愿意开始相信，机器人是具有自主意识的。
机器人是工作场所中越来越普遍的专业设备，对于我们而言，了解人们在这种情况下如何看待机器人，包括在工作中发生事故时人们如何看待机器人，对于我们来说至关重要。
为了探讨这个问题，研究人员进行了一项研究，向164人展示了几种工作场所场景，其中发生了涉及人和机器人的事故，参与者阅读了一组描述人机团队任务失败的方案。编写了单独的场景以强调人，机器人或环境因素在产生任务失败中的作用，阅读每种情况后，参与者会将失败原因范围缩小，归咎于人为因素，机器人因素和环境因素三点上。
实验结果发现，当被告知人类正在操作机器人时，研究参与者通常将事故归咎于人类。当被告知机器人是自主的，而人类只是在监视它时，研究参与者通常会指责机器人。
可以发现，通常，责备程度是人，机器人和环境因素造成的。如果该场景将机器人描述为非自主机器人，则参与者几乎不应该将其归咎于环境因素。相反，如果该场景将机器人描述为自主的，则参与者应归咎于他们和人类。
这一发现有些直观，但它解决了一个基本问题：我们何时将错误的责任从人转移到机器人？这项研究还提出了关于自动机器人可以多快被吸收到工作场所的问题。雇主是否想购买效率更高但可以归咎于错误的机器人，这使得追究人类员工的责任更加困难？或者雇主想要坚持只被视为人类控制工具的机器人？
当工作场所发生错误时，人类同事对机器人的接受将是归咎于责任的函数。研究表明，机器人的更大自主权将导致更多的责任归咎于工作任务。

丽莎老师讲机器人之大兴机场机器人停车场

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
自从北京大兴国际机场开始运用后，网络上各种关于大兴机场的报道，“新世界七大奇迹”，整个机场无柱设计等等
丽莎老师最感兴趣的莫过于P2的机器人停车场，大家都说停车机器人就如同钢铁侠一般，有一个麒麟臂，轻松将私家车给带走了
更有人形容，仿佛自己的车子，被“公主抱”的即视感
首先，车主要将车子停进专门的交接站里，车前的大屏幕便会提示车主将手刹拉住，下车后，车主只需要在屏幕上确定是否与自己的车牌号一致，然后输入自己的手机号，打印二维码就可以离开了！
之后就由机器人停车管家来接车子，全程都没有人，不过不用担心，他们比人还要靠谱
这些机器人很宽，这是由于每个车子的大小和宽度不同，所以机器人会根据车子的大小来进行调整
再精准插入到轱辘下面，抱起车子，机器人的“公主抱”就开始了
它会“抱”着车主的车子快速的移动，来寻找空余的车位
每一个场地都有精确的规划，也有特殊的调度，不会让车子在运输途中有磕碰的问题
最后寻找好位置，将车子停稳，整个过程十分的快速
当需要取车的时候，只需要在手机app上输入，然后申请取车提示，机器人就会按照指示来给车主提取车辆，车主只需要在交接区等待即可