人們談論諸如“物聯網”，“大數據”等趨勢非常普遍。和“機器人”。
我要說的是，實際上，這些趨勢相互關聯并形成一個總體趨勢，就像“萬物理論”一樣。在此鏈中，每個鏈接都會對下一個鏈接產生影響，這是積極的。
的循環。各種連接的設備中的傳感器將生成大量數據。
大量數據使機器學習成為可能。機器學習的結果是AI，AI指示機器人更加準確地執行任務，并且機器人的動作觸發了傳感器。
整個過程是一個完整的周期。 1.傳感器生成數據到2014年，連接到Internet的設備數量已超過世界總人口。
思科預測，到2020年，將有500億個互聯設備。這些設備中的大多數將配備傳感器，這些傳感器可以使用Electric Imp內置傳感器，也可以使用Estimote連接外部傳感器。
設備中的傳感器將生成前所未有的數據量。 2.支持機器學習的數據到2020年，預計將生成35ZB數據，這是2009年數據量的44倍。
那時，無論是結構化數據還是更可能是非結構化數據，都可以由機器處理，以獲得很多見解。 3.改進機器學習AI機器學習依賴于數據處理和模式識別，因此計算機無需編程即可學習。
大量的數據和計算能力正在推動機器學習的突破。機器學習的全部功能，只需看一下Google。
Google使用機器學習來繪制法國每個公司，每個房屋和每條街道的位置圖。整個過程僅需1個小時。
4.人工智能指導機器人的動作由于計算機在國際象棋和路標方面的表現已經優于人類，因此我們有理由期望未來會有更多發展。隨著越來越多的傳感器收集越來越多的數據，這可以優化更多的機器學習算法，因此我們可以從邏輯上推斷，結合機器人的計算機執行任務的能力將成倍增加。
5.機器人采取行動不僅??有數百家公司在制造可以完成各種任務的機器人，而且機器人自身也將變得越來越智能，并且隨著AI的發展，它們也可以完成我們夢dream以求的任務。 6.動作觸發傳感器機器采取動作觸發傳感器采集數據，從而完成整個循環。
這就是所謂的“萬物理論”。