机器学习、深度学习、神经网络、分析和大数据已经进入我们的日常词汇。机器人和人工智能是CES2020展上的重点。对未来10年内数百万工人因智能机器人而失业的可怕预测比比皆是。

多年来，机器人一直大量应用在生产制造中，但即使是其他职业的员工也可能处于危险之中。人工智能正在被整合到先进的制造设备以及优化交通、医疗保健、财务、医疗研究、营销和客户服务的应用中。

John Deere开发的农业杂草喷洒设备能使用人工智能和计算机视觉来识别作物中的杂草，有了这些数据，除草剂可选择性地应用于杂草。小凯萨斯已经申请了披萨制作机器人的专利。人工智能已经被用来操纵社交媒体，这已经成为我们文化中的一个重要影响。

IBM认知应用和开发者生态系统部门高级副总裁鲍勃·罗德(Bob Lord)预计，人工智能将在2020年成为主流。人工智能应用完全有可能成为新常态，但实现这一点并不容易。

由Hanson Robotics制造的机器人Sophia，在2017年瑞士Geneva演讲。(ITU提供图片)

随着复杂性的增加，失败和意外后果的可能性也会增加。孩子们可能会从Amazon Alexa, 订购一卡车的“乐高”，但也会产生更严重的问题。索菲亚，一个被称为世界上第一个“机器人公民”的人形机器人。在她被问到她是否会毁灭人类时，她说：“好的， 我会摧毁人类。”同时，能使用人工智来区分敌我的自主军事武器的潜力也令人担忧。许多专家警告说，无约束智能机器人会对人类文明构成危险。

人工智能所需的计算资源展示了复杂系统的所有元素，包括许多高度相互关联和相互依存的部分。有一个完整的科学建模复杂系统，但尚不清楚这些工具是否足以充分解决由人工智能驱动的机器人系统的挑战。

神经网络由一系列算法组成，这些算法旨在使用类似于人脑的过程来识别大数据集中的潜在关系。准确数据的输入允才能得到明确的答案，代码、产生意外结果的算法或简单地输入不准确的数据可能导致意外或不准确的结果。

人工智能提供了大量被恶意软件攻击的机会，可能影响企业和社会。一辆自动驾驶汽车闯红灯或撞向行人是一个人工智能不成熟的例子。再加上预计在未来10年内将成为主流的数百万应用程序，发生灾难的可能性随之增加。输入由有缺陷的传感器或性能差的连接器引起的损坏数据将导致不准确的输出，这就是电路、传感器和连接器的完整性影响机器人和人工智能设备性能的地方。

使用人工智能的机器人对于新技能的掌握正变得熟练。机器学习是指可以自己学习的系统，例如使用深度学习系统提供实时语音识别和语言翻译等。这一深度学习过程需要对潜在的数千个变量进行分析，同时考虑低成本、高质量、快装配、优化材料等，以确定最有利的解决方案。

VPNs-R-Us的Mike MacKenzie 机器人

了解机器人是怎样利用人工智能作出反应的所有可能性，是确保实现其预期目标的一部分，也是基础。所有类型的机器人都是用各种各样的传感器、电缆和连接器组成的，所有这些都必须按照确定的规格执行。

亚马逊最近展示了它最新研发的无人机：Prime Air。这种无人机使用了一系列传感器，利用机器学习来实现其“感知和避免”技术。其中一个或多个传感器的故障可能导致产生不准确的数据或完全故障。

没有人希望无人机从天上掉下来，但随着设计用于在工作和家庭中与人类密切合作的机器人急剧增加，不稳定性可能成为人类新的安全问题。支持人工智能所需的计算和通信基础设施将需要非凡的可靠性和更高的速度。

除了机器人技术外，人工智能在医疗、自动化和安全等领域的应用需要实时响应。将人工智能计算资源定位在边缘或直接集成到传感器中变得越来越普遍。与其将其在云中托管AI应用程序，不如直接将其安装到设备上，尽量减少敏感数据向云的传输。

历史上，连接器被认为是潜在的故障来源因数之一，开放或间歇性的连接会对一个复杂的电子系统中造成破坏。连接器和传感器制造商被要求提供高可靠的器件，使其在恶劣的环境中具有较长的使用寿命。

我们正在进入一个令人兴奋的新世界，越来越多的关键决策是由人工智能做出的，而连接器和电子传感器在确保这些决定满足各种应用要求上发挥着关键作用。