德國電子公司羅伯特·博世（RobertBosch）認為，為了克服大數(shù)據(jù)（BigData）的挑戰(zhàn)，我們必須通過讓各個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，再到云端數(shù)據(jù)分析。

所幸我們的大腦擁有最智能的傳感器——包括眼睛、耳朵、鼻子、味蕾和觸覺靈敏度，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。

BoschSensortec業(yè)務(wù)開發(fā)主管MarcellinoGemelli在國際半導(dǎo)體產(chǎn)業(yè)協(xié)會（SEMI）最近舉行的年度MEMS與傳感器高峰會議（MEMS&SensorExecutiveCongress；MSEC）上說：“我們必須將大數(shù)據(jù)的問題饋入基于人腦的模型產(chǎn)生器，然后用這個模型來預(yù)測最佳化解決方案應(yīng)該是什么樣子的。由于神經(jīng)元具有多功能性，使得這些機器學(xué)習(xí)解決方案夠在多個層面上運作?！?/p>

神經(jīng)元是大腦的微處理器——它能接受數(shù)以千計的大數(shù)據(jù)輸入，但在接收到記憶突觸介導(dǎo)的數(shù)以千計樹突輸入后，僅沿著軸突輸出單一電壓突波。通過這樣的方式，眼睛、耳朵、鼻子、味蕾和觸覺傳感器（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，再沿脊髓傳送摘要數(shù)據(jù)（在電壓突波上編碼）至被稱為‘oldbrain’的中樞——這是負責呼吸、心跳和反射等任務(wù)的腦干和自動行為中心。

最后，經(jīng)過預(yù)處理的數(shù)據(jù)經(jīng)由一個巨大的互連陣列——稱為“白質(zhì)”（whitematter）——到達大腦有意識的部份（大腦皮層灰質(zhì)）的最終目的地。大腦皮層的每個部份分別專用于視覺、語言、嗅覺、味覺和觸覺等感官，以及注意、推理、評估、判斷和相應(yīng)規(guī)劃等認知功能。

智能傳感器模擬大腦以三個層次進行建模：以腕戴型可穿戴設(shè)備即時獲取大數(shù)據(jù)讀數(shù)為代表的感官層次；第二層中樞（在此以智能手機為例）以趨勢圖形進行匯整，然后每隔幾分鐘傳送至第三層的云端（來源：Bosch）

Gemelli說：“大腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)運算就相當于感知，它可以通過其可變電導(dǎo)突觸來學(xué)習(xí)，而大數(shù)據(jù)則通過它進行串流傳輸。我們可以添加多種層次的傳感器，學(xué)習(xí)人類所能學(xué)習(xí)的所有東西，例如人們走路的各種不同方式?！?/p>

大腦對于認知系統(tǒng)與邊緣系統(tǒng)的感知資料處理（來源：Bosch）

摩爾定律的影響

摩爾定律（Moore'sLaw）也有助于實現(xiàn)多層次的感知——稱為深度學(xué)習(xí)（deeplearning）——因為它提供了一種在邊緣傳感器、在中樞進行智能處理以及在云端分析的通用方法。

Gemelli說：“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，例如上述人們用來行走的不同步態(tài)；第三，傳感器必須回應(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)用最佳化神經(jīng)網(wǎng)絡(luò)?！?/p>

例如，Gemelli說，智能手表/智能手機/智能云端組合可以分別控制大數(shù)據(jù)。智能手表評估來自個人用戶的即時連續(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)送到智能手機。接著，智能手機在一天中只需幾次向智能云端發(fā)送趨勢摘要即可。最重要的數(shù)據(jù)點的詳細分析就在云端中執(zhí)行，并反饋回給佩戴智能手表的特定用戶，以及為其他智能手表佩戴者適時建議如何達到相同設(shè)定目標。

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

Gemelli說：“特別是智慧城市需要利用內(nèi)建處理器的智能傳感器，才能實現(xiàn)即時邊緣傳感器趨勢。然后，他們再將這些趨勢發(fā)送到傳感器中樞，分析并發(fā)送最重要的數(shù)據(jù)至云端，以便為城市管理者分析可行的數(shù)據(jù)?！?/p>