由於智慧型手機發展迅速,連帶地讓嵌入式硬體的發展蓬勃迅速。核心元件不但效能增加,耗能卻也控制地相當精簡。加上3D列印的發展也逐漸成熟,而許多3D列印機當初都是以開源碼的型式發布的。這些元素搭建在一起之後,就產生了人類對未來科技一直以來幻想的產物─機器人。像poppy-project就是一個以上述這些技術建構起來的一個開源碼機器人計畫。雖然它還沒有像本田的ASIMO那麼成熟,但是至少是每個人都可以參考取用並且改進的機器人計畫。然而機器人的發展並不是只有單純人型機器這麼簡單,它也開始促成了其他領域的進步。例如:
 
生物體外機電:最近最有名的就是robohand這個計畫,它幫助將近200多位肢體殘缺人士,提供了補足他們手部功能的義肢。並且是有一些輔助動作的機械義肢,目前請計劃發起人製作約二千美金左右,除了成本較一般類似功能的商業義肢還要低一半以上之外,還是開源碼的型式,所以其實人人都可以參與製作,不過還是會有些建議原料需要注意。而除了機械義肢之外,或許將來也會發展出機械外骨骼,但是因為這部分的機電構造需要的等級更高,所以目前只有看到商業公司提出的產品,尚未看到有成熟的開源碼計畫出現。
 
自動控制:自動偵測與控制,可以說是機器人反應的必備條件。而這部分單單自動控制就能發展出許多領域。由於有了像Openstreet Map這類型開放圖資計畫可以作為參考依據,在交通器材方面就可以搭配自動控制有更進一步的運用。比如前陣子Linux基金會宣布開啟一個無人機的計畫,基金會成員也許多紛紛表示將加入。而無人機除了遠距離偵測探勘使用之外,像Amazon也有意用在小型貨物運送的功能上。另外同樣是交通型式方面,因為特斯拉開放了相關的專利,或許會增加目前其他開源碼汽車計畫的進展。而當中自動駕駛的部分,雖然目前像是GOOGLE並未開放源碼,但是相信當中也應該使用了不少開源碼技術。或許在未來也會帶來許多進步。另外像是智慧型家電的部分,除了許多依靠raspberry pi或arduino搭配的業餘DIY計畫之外。Google領軍的Nest或許將來也會在Android home當中有更多的整合。
 
演算法:在自動控制當中有許多判別狀況的條件和方法,當中都來自於許多演算法的應用。現在目前已經有許多演算法是使用開源碼的型式釋出,像Apache Mahout當中的資料庫就有許多演算法可供在機器學習這方面使用。也有一些相關的網路商店,像是Algorithmia、高階數學計算軟體Mathematica Online、提供網路廣告投放演算的 DataXu,主推預測模型的SnapAnalytics,以及機器學習的Algorithms.io等等。而演算法如果是採用了開源碼型式的方式發布,也將更有助於演算公式本身的最佳化與多樣化運用。尤其像現在政府公眾領域或是像商業公司都已經有許多網路的大數據可供運用,演算統計分析是大數據運用當中的主要軸心。若是有快速有效率的演算協助,大數據的分析也才能針對正確的方向,找出一些改善並促進公共利益的方法,像是BOINC這種大規模分散式運算平台以及當中許多的科學運算應用,就是這樣方式運作到最後整合的成果。
 
人工智慧
將各種自動演算並且搭配上大數據的分析之後的總和,就會更加促成人工智慧的誕生。目前許多人工智慧的計畫都還是閉源商業的型式。例如像是Apple的Siri或是真正的人工智慧運用IBM Watson等等。由於人工智慧初期都是在各大學的一些類神經網路基礎上發展出來,所以不少開源碼的人工智慧專案是分別基於一些大學的研究產生。像是Washington大學的Alchemy專案(http://alchemy.cs.washington.edu/)就有許多這方面的進展與提供
 
而人工智慧這樣的項目其實相當適合開源碼的方式運行,但是這部分也考驗各計畫的統合能力,若是能有一個組織能夠整合目前所有的人工智慧專案並統合,再搭配分散式設計。或許要出現象是電影雲端情人 HER那樣的情景就不遠了。不過之前日本與德國在超級電腦K computer上運用人工智慧在模擬人腦完整運作時,單一神經模擬運作一秒需要40分鐘,完整大腦等級需要二天半。雖然目前還有將近二十萬倍的差距,不過先前不管是霍金博士或是特斯拉的Elon Musk都開始警告人工智慧若是沒有控制好,對人類或許會有相當大的危害。也許在追求科技進步的同時也要注意許多安全的防範才是。
創作者介紹

droger的資訊心得整理

droger 發表在 痞客邦 PIXNET 留言(0) 人氣()