AI 트렌드 인사이자 Lance Eliot 

여러 개의 구름을 모으면 어떻게 되나요?   

당신의 첫 번째 생각이 하늘의 경이로운 구름으로 떠오르면 아마도 당신의 대답은 아마도 당신이 권운, 알토, 지층 또는 자연의 적란운으로 묘사 될 수있는 구름으로 끝날 수 있다는 것입니다. 구름이 형성되는 모습을보고 푹신한 수정이 부드럽게 떠 다니는 모습을 느긋하게 바라 보는 사람들에게는 꽤 춤을 볼 수 있습니다. 수평선을 향해 떠오르는 모습을 놀라움으로 볼 수 있습니다. 

나는 당신의 목가적 인 공상을 방해하고 싶지 않지만, 내가 언급 한 종류의 구름은 최첨단 컴퓨팅 리소스이며 현대 기업의 필수 요소가되었습니다. 

대규모 헤드 라인을 장식 한 최근 뉴스 발표는 멀티 클라우드 통합이 곧 상거래의 중요한 초석으로 등장하고 모든 산업 및 비즈니스 부문에 걸쳐 현명한 기회를 제공 할 방법에 대한 충분한 지표를 제공합니다.   

병원의 기병대는 건강 데이터의 강력한 데이터 수집을 만들기 위해 함께 뭉치고 있다고 발표했습니다. Tenet Healthcare, Trinity Health, Aurora Health, Providence 등과 같은 유명 병원 시스템은 Truveta Inc. (집계, 분석 할 새로 형성된 회사)의 시작 출시의 일환으로 가상 다중 클라우드 집단을 형성하고 있습니다. , 익명의 건강 관련 골든 너겟을 판매합니다).   

이 협동 조합은 단일 병원 시스템이 가질 수없는 대규모 데이터를 모으는 것 외에도 건강 관련 정보의 강력한 창고가되는 것을 목표로합니다. AI 시스템이 풍부한 데이터를 실행 가능한 결과로 바꿀 수 있다는 믿음이 있습니다. 열망에는 질병에 대한 더 빠른 치료, 개인 맞춤 의학이 마침내 현실이 될 것, 건강 형평성의 대폭적인 개선이 포함됩니다.   

태그 라인 : 데이터로 생명을 구합니다.   

물론 그들은 데이터가 잘 보호되고 익명으로 처리됩니다. 처음에는 거의 13 개를 모을 수있을 것으로 예상됩니다.% 미국 전체에 걸친 임상 치료 데이터의. 이렇게 방대한 양의 데이터를 모으는 것은 적절한 개인 정보 보호 제어, 보안 잠금 및이 귀중한 데이터 자산을 악용이 아닌 선을 위해 사용하는 데 필요한 모든 것을 보장하는 것은 물론 그 자체로도 큰 도움이됩니다.    

멀티 클라우드 대가로 무르 익은 다른 산업 또는 비즈니스 부문은 무엇입니까?  

예, 제가 자율 주행 차의 영역에 대해 생각하고 있다고 짐작 하셨을 것입니다. 내 보도를 따르는 독자들은 자율 주행 차가 우리 세상을 명백히 바꿀 것으로 예측된다는 것을 알고 있습니다. 

이것은 단순히 A 지점에서 B 지점으로가는 방법을 변경하는 것이 아닙니다. 자동차, 트럭, 버스, 기차, 드론, 비행기, 선박, 잠수정 등 모든 종류의 차량은 필연적으로 그리고 불가피하게 자율적으로 될 것입니다. 우리가하는 대부분의 일에 전체 규모의 엄청난 혼란이있을 것이며, 옳은 일을한다면 광범위한 이익을 제공 할 것입니다. 더 이상 인간을 필요로하지 않는 차량을 운전함으로써 사회가 어떻게 재구성 될 수 있는지 잠시 생각해보십시오. 그러면 이러한 출현이 우리의 존재를 변화시킬 것이라는 사실을 깨닫게 될 것입니다. 

자율 주행 차의 광범위하게 채택되는 것이 너무나도 큰 일인 것처럼 보인다면, 도래를 집중적으로 살펴 보자. 참된 자율 주행 자동차와 멀티 클라우드 융합이 어떻게 발생하고 모두에게 엄청난 보물 창고가 될지 알아보십시오. 그런 다음 이와 동일한 비전의 관점이 자율 주행 차량의 전체 범위를 포함하도록 어떻게 확장 될 수 있는지 고려할 수 있습니다.   

먼저 제가 언급 한 내용이 의미하는 바를 명확하게 설명하겠습니다. 참된 자율 주행 차.   

AI 자율 주행 차에 대한 내 프레임 워크는 다음 링크를 참조하십시오. https://aitrends.com/ai-insider/framework-ai-self-driving-driverless-cars-big-picture/ 

이것이 문샷 노력 인 이유는 여기에있는 설명을 참조하십시오. https://aitrends.com/ai-insider/self-driving-car-mother-ai-projects-moonshot/ 

리히터 척도의 유형으로서의 레벨에 대한 자세한 내용은 여기에서 내 토론을 참조하십시오. https://aitrends.com/ai-insider/richter-scale-levels-self-driving-cars/   

레벨을 분기하는 것에 대한 논쟁은 여기 내 설명을 참조하십시오. https://aitrends.com/ai-insider/reframing-ai-levels-for-self-driving-cars-bifurcation-of-autonomy/ 

자율 주행 차의 수준 이해   

설명하자면 진정한 자율 주행 자동차는 AI가 자동차를 완전히 스스로 운전하고 운전 작업 중에 사람의 도움이없는 자동차입니다. 

이러한 무인 차량은 레벨 4 및 레벨 5로 간주되는 반면, 인간 운전자가 운전 노력을 공동 공유해야하는 자동차는 일반적으로 레벨 2 또는 레벨 3으로 간주됩니다. 운전 작업을 공동 공유하는 자동차는 준 -자율적이며 일반적으로 ADAS (Advanced Driver-Assistance Systems)라고하는 다양한 자동 추가 기능을 포함합니다.   

레벨 5에는 아직 진정한 자율 주행 차가 없으며, 이것이 달성 될 수 있는지, 그리고 도착하는 데 걸리는 시간도 아직 알지 못합니다. 

한편, 레벨 4의 노력은이 테스트가 그 자체로 허용되어야하는지에 대한 논란이 있지만 매우 좁고 선택적인 공공 도로 시험을 통해 점차 견인력을 얻으려고 노력하고 있습니다 (우리는 실험에서 모두 생사 기니피그입니다). 우리의 고속도로와 도로에서 일어나고 있습니다.   

반자동 자동차에는 인간 운전자가 필요하기 때문에 이러한 유형의 자동차 채택은 기존 차량을 운전하는 것과 크게 다르지 않으므로이 주제에 대해 다루는 새로운 자체는 많지 않습니다. 잠시 후, 다음 사항이 일반적으로 적용됩니다. 

반 자율 자동차의 경우 대중이 최근에 발생하고있는 혼란스러운 측면에 대해 미리 알고 있어야합니다. , 우리 모두는 운전자가 반 자율 자동차를 운전하는 동안 운전 작업에서주의를 끌 수 있다고 믿지 않도록 잘못 인도하지 않아야합니다. 

레벨 2 또는 레벨 3으로 전환 할 수있는 자동화의 양에 관계없이 차량의 운전 행동에 대한 책임은 귀하에게 있습니다. 

자율 주행 자동차의 원격 조종 또는 운전이 일반적으로 회피되는 이유는 여기에있는 설명을 참조하십시오. https://aitrends.com/ai-insider/remote-piloting-is-a-self-driving-car-crutch/   

자율 주행 차에 대한 가짜 뉴스에주의하려면 다음 팁을 참조하십시오. https://aitrends.com/ai-insider/ai-fake-news-about-self-driving-cars/ 

AI 구동 시스템의 윤리적 의미는 중요합니다. https://aitrends.com/selfdrivingcars/ethically-ambiguous-self-driving-cars/ 

자율 주행 차와 관련하여 이탈이 정상화되는 함정에주의하십시오. https://aitrends.com/ai-insider/normalization-of-deviance-endangers-ai-self-driving-cars/   

자율 주행 자동차와 멀티 클라우드   

레벨 4 및 레벨 5 진정한 자율 주행 차량의 경우, 운전 작업에 인간 운전자가 관여하지 않습니다. 모든 탑승자는 승객이됩니다.; 티그는 AI가 운전을하고 있습니다.   

명심해야 할 한 가지 중요한 요소는 자동차 제조업체가 각각 자체 브랜드와 자율 주행 자동차 모델을 고안하고 있다는 것입니다 (일반적으로 자율 주행 기능을 만드는 데 전념하는 회사 또는 그러한 회사를 구입했거나 상기 목적을위한 사내 승무원).

따라서 자동차 제조업체 X는 자율 주행 자동차의 특정 브랜드와 모델을 보유 할 수 있습니다. 한편 Y 자동차는 자체 브랜드와 모델을 갖게된다. 자동차 제조업체 Z도 마찬가지입니다. 물론 일부 자동차 제조업체는 하나의투시 그러나 전체적으로 요점은 모든 자율 주행 자동차의 모놀리스가 정확히 똑같지는 않다는 것입니다.   

자율 주행 산업 외부의 일부는 모든 자율 주행 자동차가 동일한 AI 구동 시스템, 동일한 센서 제품군 등으로 구성되어 어떻게 든 똑같을 것이라는 오해를 가지고 있기 때문에 이것을 언급합니다. 아니요, 그렇지 않습니다. 경우. 자율 주행 차 제작에는 다양한 하드웨어와 소프트웨어가 모두 포함될 것입니다.   

자율 주행 자동차의 또 다른 중요한 요소는 데이터 측면입니다.   

자율 주행 자동차에는 비디오 카메라, 레이더, LIDAR, 열 화상, 초음파 장치 등을 포괄하는 센서 세트가 포함됩니다. 이들은 자율 주행 자동차의 속담 인 눈과 귀입니다. AI 주행 시스템은 센서에서 흐르는 데이터를 수신하고 데이터를 해석하여 주행 장면과 차량의 주행 제어를 가장 잘 활용하는 방법을 결정해야합니다.   

센서에서 수집 된 데이터는 처음에는 자율 주행 차 내의 처리 시스템에 보관됩니다. 차량에 얼마나 많은 데이터를 저장해야하는지 또는 즉시 제거해야하는지에 대해 많은 논쟁과 토론이 진행 중입니다.   

OTA (Over-The-Air) 전자 통신을 사용하여 자율 주행 자동차는 자동차 제조업체 또는 차량 운영자의 클라우드에 데이터를 업로드 할 수 있습니다. 마찬가지로 AI 구동 시스템 용 소프트웨어 패치는 클라우드에서 OTA를 통해 원격으로 다운로드하여 차량 내부에 배치 할 수 있습니다.   

데이터 패싯에 추가 트위스트가 있습니다. 

자율 주행 차가 평범한 동네 거리를 운전한다고 상상해보십시오. 센서는 발생하는 모든 것에 대한 데이터를 수집하고 있습니다. 찾는 유일한 데이터는 도로의 위치와 지정된 거리에서 안전하게 탐색하는 방법을 파악하는 것 뿐이라고 가정 할 수 있습니다.   

문제는 센서가 얻을 수있는 모든 것을 수집하고 있다는 것입니다.   

비디오 카메라를 고려하십시오. 비디오 카메라는 도로의 시각적 이미지를 얻을뿐만 아니라 보도에서 일어나는 모든 일과 블록 위의 집 앞 마당에서 일어나는 모든 일을 포착합니다. 모두 말하면 센서의 데이터는 자율 주행 차가 이웃, 지역 사회, 마을과 도시 전체를 돌아 다니면서 발생하는 모든 일을 엄청나게 삼킬 수 있습니다. 나는 이것을 로빙 아이라고 불렀습니다. 

좋아요,이 모든 것이이 토론의 요점에 도달하기위한 단계를 설정합니다. 

각 자동차 제조업체가 자율 주행 차량에 의해 수집 된 데이터를 업로드하기로 결정했다고 가정 해 보겠습니다 (데이터 전체 또는 하위 집합 일 수 있음). 매일 특정 자동차 제조업체 또는 차량 운영자는 특정 지역에서 발생하는 로케일 및 활동에 대한 방대한 양의 데이터를 수집합니다. 자율 주행 차가 차량이 운행되는 지리적 영역을 지속적으로 교차하고 있음을 인식하십시오. 

Automaker X는 자율 주행 자동차의 데이터를 클라우드로 가져옵니다.이를 클라우드 X라고 부릅니다. 자율 주행 능력을 향상시킬 수 있습니다 (그리고 잠시 후에 보게 되겠지만 다른 용도도 많이 있습니다). 한편 자동차 제조업체 Y는 자율 주행 차의 데이터를 클라우드로 가져오고 있으며이를 클라우드 Y라고합니다.   

계속해서 간다.   

자동차 제조업체 X가 마을 서쪽을 돌아 다니는 자율 주행 차를 가지고 있다고 가정 해 보겠습니다. 자동차 제조업체 Y는 도시 동쪽에서 자율 주행 차를 배회합니다. 논리적으로 이것은 자동차 제조업체 X가 마을 서쪽의 특성에 대한 유용한 데이터를 많이 가지고있는 반면 자동차 제조업체 Y는 마을의 동쪽에 대한 유용한 데이터를 많이 가지고 있음을 의미합니다. 또한 자동차 제조업체 X는 도시의 동쪽에 대한 데이터가 거의없고 (자율 주행 자동차가 그곳에서 로밍하지 않기 때문에) 마찬가지로 자동차 제조업체 Y도 서쪽에 대한 데이터가 거의 없다는 것을 의미합니다. 

일반적으로 이들은 치열한 경쟁자라고 예상 할 수 있으며 각각 수집 된 데이터를 보관합니다. 저장 각각의 구름 속에서 떨어져 마을을 가로 지르는 자율 주행 차 라이벌의 눈에서 그것은 의미가 있으며 처음에는 모든 사람이 에이스를 가슴에 가깝게 유지하기를 기대할 수 있습니다.   

함께 결속하기로 결정한 병원에 대한 뉴스 기사를 잠시 되돌아보십시오. 우리는 일반적으로 병원이 그렇게하기를 기대하지 않습니다. 특히 그들이 본질적으로 동일한 시장에서 경쟁하는 경우 더욱 그렇습니다. 다른 비즈니스와 마찬가지로 그들은 "고객"에 대해 수집 한 데이터를 소중히 여기며이를 비공개로 유지하는 경향이 있습니다 (물론 엄격한 규제 요건도 준수해야 함).   

전구가 밝아지고 사회 및 기술 요인의 올바른 수렴이 다중 클라우드 화신의 타이밍을 실현 가능하고 실행 가능하며 아마도 보람있게 만드는 데 시간이 걸렸습니다. 

내 예측은 자동차 제조업체와 차량 운영자가 각자의 클라우드에서 데이터를 수집 한 자율 주행 자동차가 시너지 효과를 발휘하여 서로 다른 방법으로는 얻을 수없는 추가 혜택을 제공 할 수 있음을 깨닫기 시작할 것입니다.   

하룻밤 사이에 일어나지 않을 것입니다. 현실적으로, 당신은 그들 모두가 먼저 오리를 주문할 필요가 있다는 것을 예상해야합니다. 자율 주행 차와 자율 주행이 클라우드에 수집 한 데이터에 대해서는 충분히 새로움이 있으며, 현재로서는 그들의 단일 한 노력을 넘어서려는 시도가 거의 상상할 수없는 일입니다.   

걸을 수 있기 전에 기어 가야하고 트로트를하기 전에 걸어야합니다.   

타이밍이 맞으면 수집 된 자율 주행 데이터의 다중 클라우드 통합을 통해 현명하고 수익성있게 달성 할 수있는 것은 무엇입니까? 

이러한 데이터를 활용하는 XNUMX 가지 방법을 간략히 살펴 보겠습니다 (더 많은 방법이 있습니다). 

• 도로 인프라  

많은 사람들이 우리의 기존 도로의 형편없는 상태를 비난하고, 움푹 들어간 곳, 불충분 한 마커, 운전자와 보행자를 모두 위험에 빠뜨리는 수많은 문제로 가득 차 있습니다. 자율 주행 차는 우리 도로에 대한 수많은 데이터를 수집 할 것입니다. 이것은 정부 기관에서 소중한 인프라 비용을 가장 많이 지출 할 곳을 결정하는 데 사용할 수 있습니다. 또한 사람이 운전하는 자동차 충돌 사고가 발생할 가능성이 높은 곳과 우선 순위가 높은 지점을 예측하는 데 사용할 수도 있습니다. 자동차 제조업체 X와 자동차 제조업체 Y가 수집하는 클라우드 데이터의 예를 사용하여 수집 된 클라우드 데이터를 통합하면 서부와 동부의 지역 마을 전체를 평가할 수 있습니다. 그렇지 않으면 하나의 클라우드 수집으로 하나만 측정합니다. 지역 도로 인프라의 절반. 

• 최신지도   

오늘날 디지털로 사용 가능한 많은지도의 경우 한 달에 한 번 또는 매년 한 번과 같이 특정 로케일의 주기적 스캔을 기반으로합니다. 이는 사용중인지도가 오래되었을 가능성이 있음을 의미합니다. 자율 주행 차는지도를 업데이트 할 수 있습니다. 거의 실시간으로. 그들이 클라우드로 수집 한 데이터는 폭우로 인해 다리가 며칠 동안 작동하지 않는시기를 나타내는 데 사용할 수 있습니다. 멀티 클라우드 통합을 통해 전체 커뮤니티 나 도시 또는 주에서 매일 포괄적 인 매핑이 이루어지고 즉시 사용 가능할 것이라고 상상해보십시오.   

• 부동산법   

최근에 집을 사려고했다면 요즘 대부분의 부동산 중개인이 판매용 주택의 사진을 업로드하고 있다는 것을 눈치 챘을 것입니다. 이 사진은 종종 제대로 찍히지 않거나 재산이 묘사되는 멋진 방식으로 다소 오해의 소지가 있습니다. 어쨌든 자율 주행 데이터에는 매일 수집되는 부동산 비디오와 이미지가 많이 포함됩니다. 상업용 부동산 소유자는 그래피티 태그가 붙어 있는지 어제 제대로 청소되었는지 등 자신의 부동산이 어떻게 보이는지 매일 집계 할 수 있습니다. 멀티 클라우드 통합이 부동산 업계에서 어떻게 수익을 창출 할 수 있는지 상상해보십시오. 이미 가능성에 침을 흘리고 있습니다.   

• 범죄와의 싸움 

저는 이전에 자율 주행 차의 데이터가 잠재적으로 범죄와 싸우는 데 사용될 수 있다고 지적했습니다. 현재 범죄가 발생하면 고정형 비디오 카메라가 범죄를 잡을 수 있는지 또는 범죄자를 잡을 수 있는지 알아보기 위해 급히 서두르고 있으며, 마찬가지로 대중에게 관련이있을 수있는 스마트 폰 비디오를 제공하도록 요청받습니다. 로밍 자율 주행 차에서 수집 된 멀티 클라우드 융합은 누가 누구인지 알아 내고 특정 지역에서 범죄를 줄이는 편리한 수단이 될 수 있습니다 (물론, 이러한 각 잠재력과 마찬가지로 다양한 주목할만한 개인 정보 보호 문제가 발생합니다. 데이터 사용). 

• 보행자 안전 

대부분의 도시에는 매우 위험한 횡단 보도가 있지만 관련된 위험을 인식하는 사람은 거의 없으며 슬프게도 부상이나 사망이 발생한 후에 만 ​​시정 조치를 취합니다. 자율 주행 차는 일상적으로 보행자를 스캔하여 누군가가 갑자기 거리로 뛰어 들어가거나 잘못된 순간에 연석에서 벗어나 위험에 처할 것인지 판단합니다. 이 데이터를 통해 분석을 통해 대중이 무단 횡단을 가장 많이 유혹하는 곳이나 운전자가 보행자의 권리에 가장 덜주의를 기울이는 곳을 파악할 수 있습니다. 

• 인간이 운전하는 자동차   

자율 주행 차가 등장하는 동안에도 여전히 인간 운전자가있을 것임을 깨달으십시오. 본질적으로, 도로에 자율 주행 차가 흩 뿌려지고 고속도로와 도로에서도 사람이 운전하는 자동차가 흩 뿌려집니다. 아마도 먼 미래에 우리는 자율 주행 차 만 가질 것이지만, 그것이 언제 일어날 지 아무도 말할 수 없습니다. 한편, 자율 주행 차는 사람이 운전하는 자동차 (실제로는 모든 자동차, 특히 사람이 운전하는 자동차)의 행동을 집중적으로 관찰하고 있습니다. 이 데이터는 인간 운전자가 무모하게 운전하도록 고무하는 것처럼 보이는 장소를 나타낼 수 있으며 이에 따라 연간 자동차 충돌 사고 (및 사망자) 수를 줄일 수있는 방법이있을 수 있습니다.   

• 익명화 된 승객 행동 

사람들은 자율 주행 차를 타는 동안 무엇을 선택할까요? 매일 교통 체증을 마지 못해 운전하던 사람들은 이제 AI 운전 시스템이 도로 분노 수반에 맞서 싸우는 동안 편안하게 앉아서 휴식을 취할 수 있습니다. 필자는 칼럼에서 연간 약 70 억 시간의 인간 운전 시간이 결국 인류에게 돌아가 다른 목적으로 사용될 수 있다고 지적했습니다. 대부분의 자율 주행 차에는 내부를 향한 카메라가 장착되어 자율 주행 차를 타는 동안 줌과 같은 대화식 토론을 할 수 있습니다. 밤에 집에 출퇴근하는 동안 숙제. 승객의 일반적인 활동은 익명으로 처리되어 사람들이 자율 주행 자동차 여행 중에 무엇을하는지 표시하는 데 사용될 수 있으며, 이는 확실히 광고주에게 관심이 될 것입니다 (거기에는 큰 돈!).   

ODD에 대한 자세한 내용은이 링크의 내 표시를 참조하십시오. https://www.aitrends.com/ai-insider/amalgamating-of-operational-design-domains-odds-for-ai-self-driving-cars/ 

오프로드 자율 주행 차 주제에 대한 자세한 내용은 다음과 같습니다. https://www.aitrends.com/ai-insider/off-roading-as-a-challenging-use-case-for-ai-autonomous-cars/ 

자율 주행 자동차 제조업체에 최고 안전 책임자가 있어야한다고 촉구했습니다. 여기에 특종이 있습니다. https://www.aitrends.com/ai-insider/chief-safety-officers-needed-in-ai-the-case-of-ai-self-driving-cars/ 

소송이 점차 자율 주행 자동차 산업의 중요한 부분이 될 것으로 예상됩니다. 여기에 대한 자세한 설명을 참조하십시오. https://aitrends.com/selfdrivingcars/self-driving-car-lawsuits-bonanza-ahead/ 

결론 

앞서 언급 한 다중 클라우드 통합 자율 주행 수집 데이터의 용도는 빙산의 일각에 불과합니다. r 사용un 기초 연구에서 일상적인 실제 응용에 이르기까지 전체 범위.   

어떤면에서 데이터는 사회 전반에 유익 할 것입니다. 그것은 큰 그림의 관점이며 감탄할 만합니다. 또한 멀티 클라우드 노력에서 얻을 수있는 엄청난 양의 수익 창출이 있습니다. 

이와 동일한 길을 시작하는 병원의 경우 데이터가 생명을 구할 수 있다는 점을 강조하고 있습니다. 자율 주행 See-all 데이터에도 동일한 유형의 만트라를 쉽게 적용 할 수 있습니다. 보행자의 생명은 잠재적으로 구할 수 있거나 최소한 부상을 방지 할 수 있습니다. 교통 사고 사망자를 줄일 수 있습니다. 병원은 생명을 구한 별명에 대해 더 큰 주장을하고 있지만, 핵심은 자율 주행 수집 데이터가 처음에는 눈에 띄지 않을 수있는 놀라운 방법으로 많은 잠재력을 가지고 있다는 것입니다.   

마지막으로, 자율 주행 차의 예로서 자율 주행 차의 출현에 대해 다루었으므로 다른 유형의 자율 주행 차를 포함하도록 범위를 넓 힙니다.   

상업적으로 활용되는 하나의 자율 무인 항공기와 다른 자율 무인 무인 항공기에 전념하는 서로 다른 클라우드가있을 것입니다. 데이터를 하나로 묶어 시너지를 얻을 수 있습니다. 무수한 유형의 자율 주행 차에 걸쳐 서로 다른 구름이있을 것입니다. 자율 주행 차의 클라우드 기반 데이터와 자율 주행 트럭을 결합하여 우리가 계속 듣고있는 유비쿼터스 자율 주행 드론의 데이터를 혼합하여 섞는 시너지 효과를 상상해보십시오 (결국 여기에 올 것입니다).   

데이터의 보물 창고가 기다리고 있습니다.   

자, 자율 주행 차, 함께 행동하고 멀티 클라우드 융합이 일어날 수 있도록 앞으로 나아가십시오.   

하늘의 적운 구름을 멍하니 바라 보면서이 모든 것을 생각하고, 여기 지구에있는 컴퓨팅 구름이 곧 똑같이 숨막히는 결과를 제공하는 협동 조합으로 형성 될 것이라고 상상해보십시오. 

Lance Eliot 박사  

http://ai-selfdriving-cars.libsyn.com/website 

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://www.aitrends.com/ai-insider/coming-grandeur-of-autonomous-vehicles-data-via-multiple-cloud-hookup/