大数据：提升机器人决策智能

机器人如何自行学习？在大数据时代，问题迎刃而解。大数据能够向机器呈现以往人类的经验和其他机器人的经验。机器可以应用大数据挖掘的各种算法，判断哪种行为的成功率更高，从而采取有效的行动。对于未来的机器人而言，一旦大数据的“量”足够多，就会对机器人的行为响应造成“质”的影响。

所以说，大数据是人工智能以及机器人的重要支撑。

通常认为，人工智能主要有三个分支（图2-5）：

图2-5 人工智能主要有三个分支

图片出处：《机器人+：战略行动路线图》，王喜文。

①基于规则的人工智能；(www.xing528.com)

②无规则，计算机读取大量数据，根据数据统计、概率分析等方法，进行智能处理的人工智能；

③基于神经元网络的深度学习。

基于规则的人工智能，系在计算机内根据规定的语法结构录入规则，用这些规则进行智能处理缺乏灵活性，实用性也不强。因此，人工智能实际上的主流分支是后两者。二者都是通过计算机读取大量数据，提升人工智能本身的能力和精准度。在大量数据产生之后，有低成本的存储器将其存储，有高速的CPU对其进行处理，人工智能这两个分支的理论才得以实践。

由此，人工智能就能做出接近人类水平的处理或者判断。与此同时，采用人工智能的服务作为高附加值服务，有利于获取更多用户，而不断增加的用户将意味着产生更多的数据，使得人工智能的水平进一步得到优化。

机器学习是指从一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的技术，是使机器人获得智能的根本途径。正因为有了大数据，机器人才得以智能决策，大数据使得机器人可以从现实世界的海量数据中提炼出有价值的知识、规则和模式，进行自律操作。