五年智能家居前景看好

随着年龄的增长，老年人往往会失去正确行走，听觉，说话敏锐的能力，并且视力模糊。痴呆症是几种精神状况的机能障碍，例如记忆力减退，决策或思维潜能。在本文中，我们将介绍医疗保健中的AI和IoT技术如何帮助支持此类老年人的状况。

阿尔茨海默氏病

老年人在受到老年痴呆症的影响后，往往会失去记忆和日常生活中的其他认知能力。

随着时间的流逝，患者的病情会越来越糟-最终，患者甚至无法对周围环境做出反应。众所周知，随着阿尔茨海默氏病患者的进步，他们容易遭受记忆力减退，因此至关重要的是，他们的看护人不要让他们一个人呆着。尚未找到该疾病的治疗方法-但医疗保健领域正在努力延缓该疾病的发作。
 

举个例子，在电商系统中，用户下单后，我们通常是使用异步消息去通知购物车系统清空对应的购物车物品的。如果我们不能够保证消息使命必达，那么就意味着有些用户下完单之后，他的购物车还有原来这些物品，造成不好的体验。所以，一个可用的消息队列，必须是可靠，那么如何去保证消息生产到消费的过程中，是可靠的呢。

一般来说，消息队列队列有三个重要步骤，分别是生产-存储-消费。这一点很多同学都会没有注意到，甚至很多人调用消息队列的时候都会经常忘记去处理异常。在通常情况下，生产消息都是可以成功的，但是，在一些极端的条件下，例如网络波动，或者机器宕机，往往会造成消息入队失败，这就要求我们需要处理对应的异常。在消息入队失败的时候，进行重试或者直接回滚相应的事务，并且告诉前端处理失败。

其次，则是消息的存储阶段。虽然我们的消息队列已经经历了非常多场景的考验，但是在生产环境中，应用的重启也是常态。为了避免应用重启带了的数据丢失，我们最好是将数据进行落盘，即便是我们重启应用，也不会造成数据丢失。其次，硬件的损坏不可避免，服务器也是有使用寿命的，也是有可能遭遇到意外，如果我们的数据只存在一台机器上，一旦机器损坏，就有可能会丢失数据，所以，常见的做法是每条消息都会至少在两台机器上写成功才会返回成功。为什么是两台机器呢，因为从概率学的角度上来说，同一个集群在不同机房的两台机器，同时遇到故障的概率几乎为0。

最后则是在消息的消费阶段，很多同学有非常不好的编写代码习惯，就是不处理异常，无论代码执行的结果如何，都会告诉消息队列消息消费成功，这是非常不好的。我们就曾经遇到这样一个例子，每次用户成交之后，我们都会回调给商家，通知商家数据变更，可以来拉取数据。这只是一个非常简单的HTTP GET请求，按道理来说，是很难失败的。但是，有些商家的开发能力差，服务器经常宕机，刚好这个商家今天就成交这一单。因为没有处理HTTP的异常，消息被判断为消费成功，就会造成商家的数据错误。

如果你以为只要做好重试就行了，那就太天真了。在现代分布式系统中，有一种特殊情况特别需要程序员注意的，那就是对于超时的处理，在程序异常中，很多异常我们都可以认为下游系统处理失败了，唯有超时异常，我们很难去判断下游系统是否已经处理成功。这就需要我们对消息队列进行设计，尽量保证我们的系统是幂等的，从而保证消息不会因为重复消费而带来新的问题。
 

07 机器人流程自动化

机器人流程自动化(Robotic Process Automation，RPA)技术在执行结构化数字任务(即涉及信息系统的任务)时就如同一个人类用户按照一个脚本或者规则在工作。关于RPA是否属于AI/认知技术的集合存在着争论，因为它不是十分智能。但是由于RPA系统非常流行、自动化，且越来越智能化，因此我把它也视为AI世界的一份子。

有人把它们称为“数字劳动力”，而且与其他形式的AI相比，它们价格低廉、易于编程，而且行动透明。如果你会操作鼠标、能理解流程图并能理解一些if-then业务规则，那么你可以理解甚至开发RPA。这些系统也比其他方法(例如，用编程语言开发自己的程序)更容易配置和实施。

RPA并不真正涉及机器人，它只是服务器上的计算机程序。它依赖于工作流、业务规则及信息系统集成的“表示层”的结合体，作为系统的半智能用户进行工作。

有些人将RPA与电子表格中的宏进行了比较，但是我认为这不是一个公平的比较，RPA可以执行更为复杂的任务。还有人将它与业务流程管理(Business Process Management，BPM)工具进行了比较，后者可能具有一些工作流功能，但通常旨在记录和分析业务流程，而不是实际将其自动化。

一些RPA系统已经具有一定程度的智能。它们可以“观察”人类同事的工作(例如回答常见的客户问题)，然后模仿他们的行为。其他一些则把过程自动化与机器视觉相结合。与物理机器人一样，RPA系统正慢慢地变得更加智能化，其他类型的AI技术也被用来指导它们的行为。

我对这些技术分别进行了描述，但是现实中它们越来越多地被组合和集成。然而就目前而言，了解什么样的技术可以完成什么样的任务对一个业务决策者来说是非常重要的。

全球公司(Global Inc.)首席信息官克里希纳·内森(Krishna Nathan)指出，他在2018年的一个关键优先事项是“帮助我的利益干系人了解人工智能能做什么和不能做什么，以便我们能以正确的方式使用它”。也许在将来，这些技术将混杂在一起，以至于这样的理解将不再必要，甚至不可行。

（编辑：广安站长网）

【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!