写操作时保驾护航的三兄弟！

2020年5月，工信部办公厅正式发布了《关于深入推进移动物联网全面发展的通知》，这是2020年度专门针对物联网领域的重要文件。

本次《通知》中，工信部部署了五项重点任务，包括网络建设、技术标准、行业应用、产业体系、安全保障方面的工作内容，其中多个方面值得业界关注。

《通知》首次以公开发文形式正式提出2G/3G迁移转网;建立NB-IoT、4G(含LTE-Cat1)和5G协同发展的移动物联网综合生态体系;在保障存量物联网终端网络服务水平的同时，引导新增物联网终端不再使用2G/ 3G网络，推动存量2G/ 3G物联网业务向NB-IoT/ 4G(Cat1)/ 5G网络迁移。

《通知》中特别强调Cat1的作用。业界一致认为，未来几年中，物联网连接结构中，NB-IoT+4G将成为主流方式，而4G中Cat1占据绝大部分份额，与NB-IoT一起构成中速率和低速率物联网连接的主力。

目前，国内Cat1产业生态也逐渐完善，以紫光展锐和ASR为代表的芯片厂商平台占据主要份额，各家模组厂商相继推出Cat1模组，使Cat1成为2020年物联网的一个热点，模组成本也开启了下降的通道。

随后在2020年6月，中国移动计划建设部发布的一份文件在网络上传播，引起热议，其中的焦点主要来自于“决定2020年底前停止新增2G物联网用户”的计划。

这个计划至少在官方层面上正式对2G物联网传达了一个非常明确的态度，这一态度会驱动产业界做出新的决策。

停止新增2G物联网在很大程度上直接为NB-IoT的发展进一步铺平道路，中国移动这一决议无疑将对NB-IoT产业加速发展带来更大的突破。

2. 云原生正在吞噬一切
 

研究员Harold Stolovitch和Erica Keeps在他们的书Telling Ain’t Training(ASTD出版社)中断言，我们获取的信息中，有83%来自视觉，次之是听觉，提供了11%的感觉输入。两者合起来占据了我们从外界获取信息的94%。毫无疑问，音频处理是人工智能关注的另一个较大领域，仅次于计算机视觉。

相似的深度学习技术可以应用到音频信号上，帮助计算机识别声音。你可以利用这项能力区分鸟儿们的歌声，或通过风力涡轮机发出的声音来预测故障。

不过人工智能在音频处理方面最激动人心的还是语音识别。用于语音识别的参照数据集被称为总机，它包含了约260小时的电话交谈录音。测量后人类的转录误差率为5.9%。该误差率在2016年被微软研究院设计的神经网络追平，并于1年后被其以5.1%的误差率击败。有史以来第一次，一台机器可以比人类自身更好地理解人类。

这些突破不但让机器更懂我们，而且使得机器可以用自然的方式与我们沟通。2018年，Azure上线了基于深度学习开发的文字转语音服务，该服务能够合成出与真人无异的人声。

这些能力的结合将实现计算机科学的法宝：全自然用户接口(NUI)。机器既可以看见和理解人类，又可以用自然语言与人类交流，这看起来就像是我们已经实现了科幻电影的幻想一样。不过，我们真的做到了吗?要与计算机进行真正有意义的交流，计算机不但要能转录我们说的话，还要能理解话里的意思。

自然语言处理(NLP)是人工智能中从人类语言中分析、理解并提取含义的领域。NLP最常见的场景之一就是语言理解，语言理解是现代会话型人工智能体验(比如数字助理)的基础。

当你向Siri、Alexa或Cortana询问天气时，系统首先将你的会话音频转换成文字，然后通过自然语言理解模型抽取出你的意图，然后将意图(如“获取天气”)映射到对应输出(在这个例子中，就是提供当地的天气信息)。

（编辑：盐城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!