给人工智能带来愿景
没有这种技术，我们不会有 Facebook FB -1.24％现场或无数的视频，让人们可以访问实际发生的事件。智能手机基本上已经让每个人都成为 名摄影记者，让 几乎可以立即看到人们日常生活中发生的事情。目前全 有数十亿部智能手机和相机。图像传感器不仅限于智能手机 - 即使 上 些 便宜的“功能”手机现在也有相机。这些相机的普遍性转化为非常大的潜在数据集，可用于大数据，机器学习和 终AI等应用。
目前，我们看到人工智能的速度和准确度呈指数 增长。我们正在配备机器智能和人工智能的'智能'设备 - 无人机，机器人，自动驾驶汽车，甚至phonese - 都需要配备图像传感器，以便 好地了解他们周围发生的事情并在真实情况下安全运行 。当然，他们可以通过麦克风访问位置数据和音频，但它们都不如实时相机。这就是为什么相机传感器变得越来越重要 - 它们对于培训机器学习和人工智能所需的图像信息收集至关重要。即使 旦设备接受了培训，他们仍然需要相机传感器来提供他们正在查看的内容的环境，以便正确处理他们接受过培训的信息。
我的电脑有 个摄像头，我的手机有多个图像传感器，我的无人机有多个图像传感器，我的真空有图像传感器，我的车有图像传感器。虽然我们今天使用的所有产品都有大量相机，并且其中很多都采用智能计算机视觉算法，但这些设备发展的下 步是添加机器学习和人工智能，并动态改进这些算法时间。实际上，我们现在所处的位置是，现有的日常设备中的图像传感器需要融入机器学习，现有的“智能”设备需要更多更高质量的图像传感器。虽然这场婚姻已经在进行，但在未来几年里只会升高。
随着这种情况发生，我预见只有不同质量水平的 影像传感器的需求会增加。显然，更高端的图像传感器将被用于视频和摄影，但是将会有大量的ML和AI算法来识别具有相对较低图像传感器数据的物体。即使对于这些应用，我也相信会不断改进相机传感器功能，以改善馈送到这些算法中的数据质量。更好的质量数据有助于推动更准确的结果，这提高了这些设备做出的决策的信心。长话短说，可能有 个图像质量足够好的高峰，但我不确定我们是否还在那里。