為何物聯(lián)網(wǎng)需要人工智能才能成功呢？

　　物聯(lián)網(wǎng)將產(chǎn)生海量數據——這些數據可以幫助城市預測事故和犯罪;讓醫生實(shí)時(shí)了解起搏器或生物芯片的信息;通過(guò)對設備和機械進(jìn)行預測性維護，實(shí)現跨行業(yè)的最佳生產(chǎn)效率;創(chuàng )建真正智能的家用電器，并提供自動(dòng)駕駛汽車(chē)之間的關(guān)鍵通信。物聯(lián)網(wǎng)帶來(lái)的可能性是無(wú)限的。

　　隨著(zhù)連網(wǎng)設備和傳感器的快速擴展，它們創(chuàng )建的數據量將呈指數級增長(cháng)，而隨之而來(lái)的最大問(wèn)題是如何分析這些海量性能數據。
 

　　什么是人工智能，什么是機器學(xué)習？

　　人工智能是對感知周?chē)澜?、形成計劃并為?shí)現目標而做出決策的智能體的研究。它的基礎包括數學(xué)、邏輯、哲學(xué)、概率論、語(yǔ)言學(xué)、神經(jīng)科學(xué)和決策理論。許多領(lǐng)域都屬于人工智能的范疇，如計算機視覺(jué)、機器人學(xué)、機器學(xué)習和自然語(yǔ)言處理。

　　機器學(xué)習是人工智能的一個(gè)分支，它的目標是讓計算機能夠自己學(xué)習。機器的學(xué)習算法使其能夠識別數據中的模式，然后構建解釋世界的模型，并在沒(méi)有明確預先編程規則和模型的情況下預測事物。
 

　　為什么機器學(xué)習很重要？

　　人工智能將比任何其他創(chuàng )新更有能力塑造我們的未來(lái)，任何不了解它的人很快就會(huì )發(fā)現自己被拋在后面。

　　在經(jīng)過(guò)多個(gè)人工智能冬天和“虛假繁榮”之后，數據存儲和計算機處理能力的快速發(fā)展極大地改變了游戲規則。

　　機器學(xué)習已經(jīng)對計算機視覺(jué)(機器識別圖像或視頻中對象的能力)做出了巨大改進(jìn)。例如，您收集了幾十萬(wàn)甚至幾百萬(wàn)張圖片，需要分別給它們貼上標簽，比如要給有貓的圖片貼上標簽，然后，該算法試圖建立一個(gè)模型，可以準確無(wú)誤地給每一張有貓的圖片貼上標簽。一旦精度足夠高，機器就能“了解”貓的樣子。

　　例如，跟蹤健康狀況的可穿戴設備已經(jīng)是一個(gè)新興行業(yè)，但很快這些設備將發(fā)展成為相互連接并連接到互聯(lián)網(wǎng)的設備，可以跟蹤您的健康狀況并為健康服務(wù)提供實(shí)時(shí)更新。
 

　　如果您身體的某項指標達到閾值，您的醫生會(huì )收到通知——例如，心率增加到不安全的水平，甚至停止。為了能夠指出潛在問(wèn)題，必須從正常和不正常的角度來(lái)分析數據，而這需要基于實(shí)時(shí)數據流快速識別相似性、相關(guān)性和異常性。這能否由在醫療服務(wù)部門(mén)工作的個(gè)人來(lái)完成？——實(shí)時(shí)審查來(lái)自數千名患者的數據，并正確決定何時(shí)發(fā)出緊急信息？不太可能——編寫(xiě)代碼或規則來(lái)搜索數據以查找已知模式非常耗時(shí)，充滿(mǎn)了錯誤，并且僅限于識別先前已知的模式。

　　為了在收集數據時(shí)立即進(jìn)行分析，以準確識別先前已知和先前從未見(jiàn)過(guò)的新模式，還必須使用能夠生成和聚合這些大數據的機器來(lái)了解每個(gè)患者的正常行為，并跟蹤、發(fā)現和標記任何可能表明嚴重健康問(wèn)題的異常內容。

　　物聯(lián)網(wǎng)的實(shí)現依賴(lài)于能夠獲得隱藏在廣闊且不斷增長(cháng)的數據海洋中的洞察力。由于目前的方法不能擴展到物聯(lián)網(wǎng)的規模，因此，實(shí)現物聯(lián)網(wǎng)承諾的未來(lái)依賴(lài)于機器學(xué)習來(lái)發(fā)現模式、相關(guān)性和異常，而這些模式、相關(guān)性和異常有可能會(huì )改善我們日常生活的所有方面。

　　機器學(xué)習是我們走向人工智能之旅的核心，與此同時(shí)，它將改變每個(gè)行業(yè)，并對我們的日常生活產(chǎn)生巨大影響。