La société d'électronique allemande Robert Bosch estime que pour relever le défi des Big Data, nous devons créer des solutions qui abordent intelligemment tous les aspects, des capteurs de bord aux concentrateurs de capteurs centralisés en passant par Analyse de données de nuage.
Heureusement, nos cerveaux ont les capteurs intelligents les plus intelligents - y compris les yeux, les oreilles, le nez, les papilles gustatives et la sensibilité au toucher - qui façonnent notre solution e-Big Data pour les besoins de l'Internet des objets (IoT).
Marcellino Gemelli, directeur du développement des affaires chez Bosch Sensortec, a déclaré au MEMS & Sensor Executive Congress (MSEC) lors de la récente SEMI (International Semiconductor Industry Association): «Nous devons alimenter les problématiques de big data en Générez des modèles, puis utilisez ce modèle pour prédire à quoi ressemblera la solution optimale: grâce à la polyvalence des neurones, ces solutions d'apprentissage automatique fonctionnent à plus d'un niveau.
Les neurones sont le microprocesseur du cerveau - il peut accepter des milliers de grandes entrées de données, mais ne reçoivent qu'une seule décharge de tension le long de l'axone après avoir reçu des milliers d'entrées dendritiques à médiation synaptique De cette façon, le récepteur des yeux, des oreilles, du nez, des papilles et des capteurs tactiles (principalement utilisés pour la présence, la pression et la température) peut prétraiter de grandes quantités de données brutes et transmettre les informations de digestion le long de la moelle épinière. Encodé sur les pics de tension) au centre connu sous le nom de «vieux cerveau» - le tronc cérébral et le centre de comportement automatique responsable de la respiration, du rythme cardiaque et des tâches réflexes.
Enfin, les données prétraitées atteignent la destination finale de la partie consciente du cerveau (matière grise corticale) via un vaste réseau interconnecté connu sous le nom de «substance blanche». Chaque partie du cortex cérébral Ils sont dédiés aux sens de la vision, du langage, de l'odorat, du goût et du toucher, ainsi qu'à des fonctions cognitives telles que l'attention, le raisonnement, l'évaluation, le jugement et la planification correspondante.
Gemelli a déclaré: «Cerveau réseau neuronal mathématique est équivalent à la perception, il peut être appris grâce à sa synapse de conductance variable, et de grandes données à travers elle pour le streaming.Nous pouvons ajouter une variété de niveaux de perception Apprenez tout ce que les êtres humains peuvent apprendre, comme les différentes façons de marcher.
Influence de la loi de Moore
La loi de Moore permet également d'obtenir une perception à plusieurs niveaux - appelée apprentissage en profondeur - car elle fournit une approche commune aux capteurs de périphérie, à l'intelligence centrée sur le concentrateur et à l'analyse des nuages.
Gemelli a déclaré: «Tout d'abord, la quantité est très utile - plus la quantité de données volumineuses est importante. Deuxièmement, la diversité aide à apprendre différents aspects des choses, comme la démarche que les gens utilisent pour marcher, la troisième , La vitesse à laquelle le perceptron doit répondre doit être quantifiée, et une fois que vous avez défini ces trois paramètres, vous pouvez optimiser le réseau de neurones pour une application particulière.
Par exemple, Gemelli a déclaré que le combo smartwatch / smart phone / smart cloud peut contrôler les données volumineuses séparément. La smartwatch évalue les données en continu et en temps réel des utilisateurs individuels, puis envoie les données les plus importantes aux smartphones toutes les quelques minutes. Les smartphones envoient des résumés de tendances aux nuages intelligents en quelques heures seulement de la journée. L'analyse détaillée des points de données les plus importants est effectuée dans le nuage et renvoyée à des utilisateurs spécifiques portant des smartwatches et autres smartwatches. Le porteur des conseils opportuns sur la façon d'atteindre les mêmes objectifs fixés.
Actuellement, Bosch simule ces trois niveaux de modèles de cerveau en ajoutant des processeurs à ses capteurs de bord, ce qui leur permet de reconnaître et de hiérarchiser les grandes données avant qu'elles ne soient envoyées au concentrateur intelligent.
Gemelli a déclaré: « en particulier les villes intelligentes ont besoin d'utiliser le processeur intégré des capteurs intelligents, afin d'atteindre la tendance du capteur de bord en temps réel puis, ils envoient ensuite ces tendances au centre du capteur, analyser et envoyer le message le plus important dans le nuage pour la ville. Les gestionnaires analysent des informations viables.
Compiler: Susan Hong