拔刺 | 如何评价无人机未来的发展前景？

今日拔刺：

1、如何评价无人机未来的发展前景？

2、CPU的主要性能指标是什么？

3、大数据、机器学习、神经网络等名词和概念有何联系？

本文 | 1759字 阅读时间 | 4分钟

如何评价无人机未来的发展前景？

无人机虽然是现代科技时代发展的产，物但其发展历程却已经有百年之久。早在1939年德国人就研发了一款无人机的鼻祖——使用无线电遥控的无人轰炸机，可以携带一吨重的炸弹，著名的V－1导弹就是以这款无人轰炸机为基础研发的。

进入21世纪后，军用无人机的发展更加先进，一步一步的成为了空中战略系统的重要应用和可以作为空中格斗的新型战斗机。

无人机较普通军用作战飞机，体积微小造价低廉、隐蔽性强，非常适于执行持久的情报收集和战场监视任务，更适应未来战争需要。作为现代化战争的必须作战武器，无人机的发展日益壮大，最新研制的无人机已经开始向智能化，人机可协同作战的方向发展。未来无人机在军用领域一定会得到更加全面，大范围的应用。

对于民用无人机，其未来发展也是相当可观的。2018年6月份的时代周刊就用985架无人机绘制了《无人机时代》的封面照片，这无疑是对无人机的肯定。民用无人机在很多行业都有具体应用，拿农业来说，现在城镇化加剧，大批农民转而做了别的行业，无人机很可能成为农民下一代的“接班人”。按照无人机现在的发展趋势来看，在不久的将来它完全可以用极短的时间飞在稻田上喷洒农药或者化肥，比农民操作更加精准、省时。民用无人机未来一定会与现代各行各业的技术融合发展，智能无人机一定会在未来发挥重要作用。

CPU的主要性能指标是什么？

CPU全名中央处理器（Central Processing Unit），是一台计算机最重要的核心，相当于我们的大脑。这样重要的东西当然性能指标非常重要，其主要性能指标有以下几项：

主频：主频是CPU的时钟频率，也就是它的工作频率，目前市场上的CPU频率在2-4GHz左右，部分CPU例如Intel的core i7不光有固定频率，还可以超频。很显然，相同配置下频率越高，性能越高。

架构：这个大家可能不注意，但是架构的更新对于CPU来说将会是进化的一场革命，性能会带来质的飞跃。目前Intel、AMD的CPU是X86架构，IBM公司的CPU是PowerPC架构，ARM公司是ARM架构。

制造工艺：主要的工艺规格有180nm、130nm、90nm、65nm、45nm、22nm，现在的制造工艺已经达到14nm，如Intel的8代CPU系列。制造工艺标志着以更高的精度在更小的面积上作出性能更高、功耗更低的核心。

总线速度：也就是多级缓存，缓解内存带来的瓶颈，所以出现了二级缓存，目前有2级缓存、3级缓存。缓存量越大越好。

超线程：大家经常听说双核心四线程就是超线程技术，该技术让一个核心可以分成两个小的核心进行并行运算来提高效率。核心线程越多堆积的性能也就相对高，但效率不一定是最优的。

浮数运算能力：这是考验CPU运算能力的一个指标，标志着谁运算能力更快更强大，目前的CPU大都是64位的，也就是2的64次方，老一些的CPU是32位的。正常的商务本CPU浮点运算能力会低一点，如i7 8550u的浮点运算能力为12.4GFLOPS,而桌面bandei7 8700则可以跑到38.5GFLOPS。

以上就是计算机CPU的主要性能指标。

大数据、机器学习、神经网络等名词和概念有何联系？

机器学习和神经网络都属于人工智能、机器学习和神经网络是实现人工智能的方法，而大数据则是机器学习和神经网络用来训练学习的数据支撑。

机器学习是通过数据进行建模的技术，说的更深刻一点就是，从给定的大数据中挖掘出合适的模型来解释、预测的技术。

举个例子，如何在没有特定说明的情况下识别汉字“一”和“二”。这个问题看似简单，但仔细一想，没有办法给出个公式来计算哪个是一哪个又是二。因为我们从来没学过这样的公式。我们第一次见到“一”和“二”的时候只是在思考它是什么。经过看大量的这俩字。最后见到一样的就叫出来“一”和“二”了。机器学习就是这样，通过不断的数据来训练，最后就能“分清”这俩字了。

而神经网络，在前面的文章里提过，从单个输入层到中间层再到输出层，每一层都通过预测所得的值和期望的值进行对比。同样以“一”“二”“三”来说事，当预测感觉更像“二”，而实际这个数是“三”的时候，预测值与期望不同了，这时预测值的权重将适当增大以适应期望值。这也就是“纠正”的意思，这样得出的结果就是“三”了。

机器学习和神经网络两者均是人工智能里的方法，虽然思路大同小异，但在人工智能的大框架里，其性质是一样的。

大数据则是为算法提供“材料”的一个工具，前面的文章里也进行过阐述，实际网络上的数据冗杂，并不是所有的东西都是有用信息，而训练需要的数据只是茫茫数据中的一小部分，这时就需要对数据进行筛选、分类、整合了，通过大数据最终得到的才是适合我们进行机器学习或者神经网络训练的数据。

以上就是大数据、机器学习、神经网络之间的关系。