未来信息综合技术

这是一篇关于未来信息综合技术的思维导图，主要内容包括：信息物理系统，人工智能，机器人，边缘计算，数字孪生体，云计算和大数据。

未来信息综合技术

• 信息物理系统
  • 概念
    • 信息物理系统
      • Cyber-Physical Systems，CPS
    • 集成 感知、计算、通信、控制等 信息技术 和 自动控制技术
    • 构建 物理空间与信息空间中 人、机、物、环境、信息等 要素相互映射、适时交互、高效协同的 复杂系统
    • 实现系统内 资源配置和运行的 按需响应、快速迭代、动态优化
  • 体系架构
    • 单元级 CPS
      • 本质
        • 通过 软件对物理实体及环境进行 状态感知、计算分析，并最终控制到物理实体
        • 构建最基本的数据自动流动的闭环
      • 功能
        • 可感知、可计算、可交互、可延展、自决策
      • 例：
        • 1个智能部件、工业机器人、智能机床
    • 系统级 CPS
      • 组成
        • 多个单元级 CPS 通过工业网络（如工业现场总线、工业以太网等）
        • 实现更大范围、更宽领域的数据自动流动
      • 功能
        • 局部制造资源的自组织、自配置、自决策、自优化
        • 互联互通、即插即用、边缘网关、数据互操作、协同控制、监控与诊断
      • 例：
        • 多个工序
    • SoS 级 CPS
      • 组成
        • 多个系统级 CPS 有机组合
        • 实现数据汇聚
      • 功能
        • 对内进行资产的优化
        • 对外形成运营优化服务
        • 数据存储、数据融合、分布式计算、大数据分析、数据服务
        • 跨系统、跨平台的互联、互通和互操作
        • 全局范围的信息全面感知、深度分析、科学决策和精准执行
      • 例：
        • 工厂的 CPS
  • 技术体系
    • CPS 技术分类
      • 总体技术/顶层设计技术
        • 系统架构、异构系统集成、安全技术、试验验证技术等
      • 支撑技术
        • 智能感知、嵌入式软件、数据库、人机交互、中间件、SDN（软件定义网络）、物联网、大数据等
      • 核心技术
        • 虚实融合控制、智能装配、MBD、数字孪生技术、现场总线、工业以太网、CAX\MES\ERP\PLM\CRM\SCM 等
    • 核心技术
      • 一硬
        • 感知和自动控制
          • 智能感知技术
          • 虚实融合控制技术
      • 一软
        • 工业软件
      • 一网
        • 工业网络
      • 一平台
        • 工业云和智能服务平台
          • 通过边缘计算、雾计算、大数据分析等技术进行数据的加工处理，形成对外提供数据服务的能力，并在数据服务基础上提供个性化和专业化智能服务
• 人工智能
  • 概念
    • Artificial Intelligence
    • 根据是否能真正实现推理、思考和解决问题分类
      • 弱人工智能
      • 强人工智能
        • 能思维的智能机器
        • 有知觉、有自我意识
        • 能够不断适应复杂的新环境，并不断涌现出新的功能
        • 分类
          • 类人
            • 机器的思考和推理类似人的思维
          • 非类人
            • 机器产生了和人完全不一样的知觉和意识
    • 图灵测试
      • “如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能”
  • 关键技术
    • 自然语言处理
      • Natural Language Processing，NLP
      • 研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法
      • 涉及领域
        • 机器翻译
          • 利用计算机实现从一种自然语言到另外一种自然语言的翻译
        • 语义理解
          • 利用计算机理解文本篇章内容，并回答相关问题
        • 问答系统
          • 让计算机像人类一样用自然语言与人交流
    • 计算机视觉
      • Computer Vision
      • 使用计算机模仿人类视觉系统，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力
    • 知识图谱
      • Knowledge Graph
      • 本质上是结构化的语义知识库
        • 是一种由节点和边组成的图数据结构
        • 以符号形式描述物理世界中的概念及其相互关系
      • 把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力
    • 人机交互
      • Human-Computer Interaction，HCI
      • 研究人和计算机之间的信息交换
    • 虚拟现实或增强现实
      • Virtual Reality / Augmented Reality，VR/AR
      • 以计算机为核心的新型视听技术
    • 机器学习
      • Machine Learning，ML
      • 一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科
      • 为了让计算机系统具有人的学习能力以便实现人工智能
      • 以数据为基础，通过研究样本数据寻找规律，并根据所得规律对未来数据进行预测
  • 机器学习
    • 定义
      • 广义
        • 指专门研究计算机怎么模拟或实现人类的学习行为以获取新的知识或技能的学科，使计算机重新组织已有的组织结构并不断改善自身的性能
      • 具体
        • 一个机器学习的程序就是 可以从经验数据 E 中对任务 T 进行学习的算法，它在任务 T 上的性能度量 P 会随着对于经验数据 E 的学习而变得更好
    • 分类
      • 按学习模式分
        • 监督学习
          • 利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型
          • 算法
            • 回归、分类等
        • 无监督学习
          • 利用无标记的有限数据描述隐藏在未标记数据中的结构/规律
          • 算法
            • Apriori、KMeans、随机森林、主成分分析等
        • 半监督学习
          • 利用少量的标注样本和大量的未标识样本进行训练和分类
          • 算法
            • 图论推理、拉普拉斯支持向量机等
        • 强化学习
          • 学习从环境状态到行为的映射，使得智能体选择的行为能够获得环境的最大奖赏
          • 靠自身的经历进行学习
          • 算法
            • Q-Learning、时间差学习等
      • 按学习方法分
        • 传统机器学习
          • 学习的领域特征需要手动完成，且需要大量领域专业知识
          • 从一些观测（训练）样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测
          • 算法
            • 逻辑回归、隐马尔科夫方法、支持向量机方法、K近邻方法、三层人工神经网络方法、Adaboost 算法、贝叶斯方法、决策树方法等
        • 深度学习
          • 基于多层神经网络并以海量数据作为输入规则的自学习方法，依靠提供给它的大量实际行为数据（训练数据集），进行参数和规则调整
          • 算法
            • 卷积神经网络（CNN）、循环神经网络（RNN）等
      • 常见算法
        • 迁移学习
          • 当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习
          • 可以把已训练好的模型参数迁移到新的模型指导新模型训练，更有效的学习底层规则、减少数据量
        • 主动学习
          • 通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精度
          • 选择性地获取知识
          • 选取样本策略
            • 不确定性准则、差异性准则等
        • 演化学习
          • 算法通常维护一个解的集合，并通过启发式算子来从现有的解产生新解，并通过挑选更好的解进入下一次循环，不断提高解的质量
          • 算法
            • 粒子群优化算法、多目标演化算法等
• 机器人
  • 发展阶段
    • 示教再现型机器人
    • 感觉型机器人
    • 智能型机器人
• 边缘计算
  • 概念
    • 边缘计算将数据的处理、应用程序的运行甚至一些功能服务的实现，由网络中心下放到网络边缘的节点上
  • 定义
    • 边缘计算产业联盟（ECC）的定义
      • 本质是云计算在数据中心之外汇聚节点的延伸和演进
      • 落地形态
        • 云边缘
          • 是云服务在边缘侧的延伸，逻辑上仍是云服务
        • 边缘云
          • 在边缘侧构建中小规模云服务的能力
        • 云化网关
          • 以云化技术与能力重构原有嵌入式网关系统，并在边缘侧提供协议/接口转换、边缘计算等能力，部署在云侧的控制器提供边缘节点的资源调度、应用管理与业务编排等能力
• 数字孪生体
  • 概念
    • Digital Twin
    • 目的或本质
      • 通过数字化和模型化，用信息换能量，以更少的能量消除各种物理实体、特别是复杂系统的不确定性
  • 定义
    • 数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态， 通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的交互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。
  • 关键技术
    • 核心技术
      • 建模
        • 将我们对物理世界的理解进行简化和模型化
      • 仿真
        • 验证和确认建模的正确性和有效性
      • 基于数据融合的数字线程
    • 顶层框架技术
      • 统领建模、仿真、数字线程的系统工程
      • MBSE
    • 底层伴生技术
      • 物联网
    • 外围使能技术
      • 云计算、雾计算、边缘计算、机器学习、大数据、区块链等
• 云计算和大数据
  • 云计算
    • 概念
      • Cloud Computing
      • 2007年10月，IBM的Greg Boss等人以技术白皮书的形式给出了“云计算”的定义
        • “‘云计算’是同时描述一个系统平台或者一类应用程序的术语。云计算平台按需进行动态部署、配置、重新配置以及取消服务等。在云计算平台中的服务器可以是物理或虚拟的服务器。高级的计算云通常包含一些其他的计算资源，例如存储区域网络（SANs），网络设备，防火墙以及其他安全设备等。 在应用方面，云计算描述了一类可以通过互联网进行访问的可扩展应用程序。这类云应用基于大规模数据中心及高性能服务器来运行网络应用程序与Web服务。用户可以通过合适的互联网接入设备以及标准的浏览器就能够访问云计算应用程序。”
      • 内涵
        • 平台和应用
          • 平台即基础设施，其地位相当于PC上的操作系统，云计算应用程序需要构建在平台之上
          • 云计算应用所需的计算与存储通常在”云端“完成，客户端需要通过互联网访问计算与存储能力
    • 服务方式
      • 软件即服务（Software as a Service，SaaS）
        • 服务提供商将应用软件统一部署在云计算平台上，客户根据需要通过互联网向服务提供商订购应用软件服务
        • 软件应用模式的发展可以看作SaaS的发展历程
      • 平台即服务（Platform as a Service，PaaS）
        • 服务提供商将分布式开发环境与平台作为一种服务来提供
        • 分布式计算技术的发展可以看作PaaS的发展历程
      • 基础设施即服务（Infrastructure as a Service， IaaS）
        • 服务提供商将多台服务器组成的“云端”基础设施作为计量服务提供给客户
        • 虚拟化技术的发展可以看作IaaS的发展历程
    • 部署模式
      • 公有云
        • 云基础设施是公开的
      • 社区云
        • 云基础设施分配给一些社区组织所专有
      • 私有云
        • 云基础服务设施分配给由多种用户组成的单个组织
      • 混合云
        • 公有云、私有云、社区云的组合
  • 大数据
    • 定义
      • 维基百科定义
        • 大小或复杂性无法通过现有常用的软件工具，以合理的成本并在可接受的时限内对其进行捕获、管理和处理的数据集
      • Granter定义
        • 三个量化指标：数据量、数据种类、处理速度
      • IBM定义
        • 3V：大规模（Volume）、高速度（Velocity）、多样化（Variety）；价值（Value）
      • SAS定义
        • 3V + 可变性、复杂性
    • 研究内容
      • 主要问题
        • 异构性（Heterogeneity）、规模（Scale）、时间性（Timeliness）、复杂性（Complexity）、隐私性（Privacy）
      • 分析步骤
        • 数据获取和记录
        • 信息抽取和清洗
        • 数据集成、聚集和表示
        • 查询处理、数据建模和分析
        • 解释