人工智能（AI）算法包括三个基本核心要素:1) 具有测量能力；2) 知道有多少测量需要进一步处理；3) 并行处理多路输入的能力。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

德科技全球企业及产品营销副总裁Jeff Harris

系统的潜力是指其可测性和可达的测量深度，潜力的发挥是指决定系统必须向处理器发送哪些测量结果进一步处理。最后，传感器集成是指了解如何将不同传感器的测量结果与正确的比例结合起来，算法的智商和推理的潜力是我们探索的关键。算法将能够通过反馈环来验证和纠正自己的逻辑，这是机器学习的重要组成部分。

这三个属性对于了解人工智能的深度，特别是其独特的能力至关重要。我们探索和校准的基本要素越多，人工智能算法的长期性能就越好。在介绍了我们想要探索的三个领域后，我们将深入了解第一个方面——测量深度，以及它构建稳定的高性能 AI 算法基础的重要性。

测量深度

测量科学研究测量科学。测量深度在构建稳定算法的过程中起着至关重要的作用。Gagemaker 规则（10:1 规则)规定，测量仪器或器件的精度必须高于被测对象 10 倍。测量深度之所以如此重要，是因为它决定了可能的精度水平，限制了算法的最大潜力。因此，在进行任何指定测量时，精度越高，人工智能算法的潜力就越大。

计量学侧重于对特定测量的深入了解。这个测量可能常简单和清晰，如电压、接地、温度，或多个模式，如飞机控制表面，或非常复杂，如最大化生产线吞吐量。测量深度决定了我们还是多个参数，测量深度决定了我们能达到多大程度的可编程能力。例如，以3 V 如果测量精度的测量精度只有1/10 V，就洞察力而言，它是不可能的 1/1000 V测量精度同日而语。取决于什么样的系统供电，额外的精度可能对电池寿命至关重要，也可能只是鸡肋般的多余。要充分发挥算法的潜力，必须使整个端到端测量需求与所需深度相匹配。无论测量对象是什么，这都是正确的，即使是可能不那么直观的数据系统也不例外。下面，我们来看一个例子。

如何优化测量

企业 IT 堆栈是一个复杂的数据互连系统网络，每个系统都需要交换信息来协调组织的运行。这些技术堆栈包含一系列软件，如 CRM、ERP、每个软件都有自己独特的数据格式和自定义特的数据格式和（API）。Salesforce 数据显示，公司技术堆栈中应用软件的平均数量超过了 其中许多是云应用，其软件更新可能会产生连锁反应。就像大海捞针一样，发现问题和隔离问题更难优化多个交叉应用软件的性能。

技术堆栈中的每个应用软件都有不同的责任部门，如财务、人力资源、销售、营销和供应链。IT 主要组织的需求将放在首位。每个企业都有一个特殊的定制工作流程，集成了许多应用程序和后端系统，Inphi代理用户使用软件的旅程或旅程将涉及各种路径，单一的线性旅程非常罕见。因此，即使两家企业在技术堆栈中使用相同的应用软件，其所有交换点映射和端到端操作验证方法也将完全不同。因此，出现了需要人工智能的应用软件。在这种情况下，测量位置可能是系统之间的数据输入点、系统中的数据交换点和数据显示点。

要想知道 AI 如何在这样的系统中运行算法，首先需要了解它如何在以下三个关键领域测量每个点的数据：

1.无论使用何种操作系统，评估用户与应用软件的交互模式。在某些情况下，当需要按键操作时，还涉及到机器人流程的自动化（RPA）

2.评估复杂技术堆栈中各系统之间的数据交换和连接该系统的应用编程接口命令，以确保其正确运行

3.评估所有平台上的屏幕信息(包括台式机和移动设备)，如图像、文本和标志，以了解它们的呈现方式

无论使用什么操作系统、什么版本的软件，什么设备或接口机制，评估测量效果都需要从测量能力开始。人工智能不能测量的情况越多，对运行的影响就越小。

结论

在评估事物的潜力时，我们需要从基础开始。AI 该系统的基础是其测量能力。条件越多，潜在影响力就越大。要知道它能做什么测量，更重要的是，它不能做什么测量。AI 感知能力限制了算法的潜力。开尔文勋爵的名言至今仍不过时――不能测量，就不能改进。要想了解 AI 请从分析测量的广度和深度开始。