德国电子公司罗伯特·博世（RobertBosch）指出，为了解决大数据（BigData）的挑战，我们必需通过让各个层面智能化的方式打造出解决方案，还包括从边缘传感器到集中于的传感器中枢，再行到云端数据分析。所幸我们的大脑享有最智能的传感器——还包括眼睛、耳朵、鼻子、味蕾和触觉灵敏度，需要因应物联网（IoT）的必须塑造成我们的电子大数据解决方案。BoschSensortec业务研发主管MarcellinoGemelli在国际半导体产业协会（SEMI）最近举办的年度MEMS与传感器高峰会议（MEMSSensorExecutiveCongress；MSEC）上说道：“我们必需将大数据的问题馈入基于人脑的模型产生器，然后用这个模型来预测最佳化解决方案应当是什么样子的。

由于神经元具备多功能性，使得这些机器学习解决方案不够在多个层面上运作。”神经元是大脑的微处理器——它能拒绝接受数以千计的大数据输出，但在接管到记忆神经元细胞内的数以千计树突输出后，仅有沿着轴突输入单一电压突波。通过这样的方式，眼睛、耳朵、鼻子、味蕾和触觉传感器（主要用作不存在、压力和温度）的接收器就能预先处置大量的完整大数据输出后，再行沿脊髓传输概要数据（在电压突波上编码）至被称作‘oldbrain’的中枢——这是负责管理排便、跳动和光线等任务的脑干和自动不道德中心。

最后，经过预处理的数据经由一个极大的点对点阵列——称作“白质”（whitematter）——抵达大脑有意识的部份（大脑皮层灰质）的最后目的地。大脑皮层的每个部份分别专用于视觉、语言、嗅觉、味觉和触觉等感官，以及留意、推理小说、评估、辨别和适当规划等理解功能。智能传感器仿真大脑以三个层次展开建模：以腕戴着型可穿着设备即时提供大数据读数为代表的感官层次；第二层中枢（在此以智能手机为事例）以趋势图形展开汇整，然后间隔几分钟传输至第三层的云端（来源：Bosch）Gemelli说道：“大脑神经网络的数学运算就相等于感官，它可以通过其星型电导神经元来自学，而大数据则通过它展开串流传输。

我们可以加到多种层次的传感器，自学人类所能自学的所有东西，例如人们走路的各种有所不同方式。”大脑对于理解系统与边缘系统的感官资料处置（来源：Bosch）摩尔定律的影响摩尔定律（MooresLaw）也有助构建多层次的感官——称作深度自学（deeplearning）——因为它获取了一种在边缘传感器、在中枢展开智能处置以及在云端分析的标准化方法。Gemelli说道：“首先，数量方面很有协助——大数据的量越多越好。其次，多样性有助自学事物的各种有所不同面向，例如上述人们用来行驶的有所不同步态；第三，传感器必需对此的速度必须加以分析。

一旦你定义了这三种参数，就可以为任何特定应用于最佳化神经网络。”例如，Gemelli说道，智能手表/智能手机/智能云端人组可以分别掌控大数据。智能手表评估来自个人用户的即时倒数数据，然后间隔几分钟将最重要的概要数据发送到智能手机。

接着，智能手机在一天中只需几次向智能云端发送到趋势概要才可。最重要的数据点的详细分析就在云端中继续执行，并对系统回给配戴智能手表的特定用户，以及为其他智能手表配戴者主动建议如何超过完全相同原作目标。目前，博世于是以借由在其边缘传感器上重新加入处理器，以仿真这种三种层级的大脑模型，使其以求识别并集中于大数据趋势，然后再行传输至智能中枢。Gemelli说道：“尤其是智慧城市必须利用内辟处理器的智能传感器，才能构建即时边缘传感器趋势。

然后，他们再行将这些趋势发送到传感器中枢，分析并发送到最重要的数据至云端，以便为城市管理者分析不切实际的数据。

本文来源：凯发k8官网-www.hktjkcy.com