物聯網離不開人工智能

        英文原文：IoT Won’t Work Without Artificial Intelligence

        譯/臘八粥

        隨著作為今年最流行技術時髦語的物聯網（Internet of Things，簡寫 Iot）繼續升溫，關于它的討論意見從它是什么轉變到了如何從中挖掘價值，到了戰略層面：如何讓它真正運行起來。

        物聯網將產生大數據的寶藏，大數據幫助城市預測事故和犯罪，通過起搏器和生物芯片提供的信息讓醫生獲取實時觀察，通過可預測的設備和機器的維護來優化生產效率，借助連接的裝置打造真正智能家居，實現無人駕駛汽車真正的通信。物聯網所引發的可能性是無止境的。

        由于連接到物聯網的設備和傳感器的快速擴張還在進行中，它們所產生的數據陡增將達到令人難以想象的地步。這些數據將包含對于有無意義的、相當有價值的洞察力（insight）——指出日益嚴重的沖突，提供因相互關系和聯合所產生的新業務風險和機遇的高價值洞察力。

        聽起來不錯。然而，一大難題將是找到分析所有這些設備生成的、海量性能數據和信息。如果你曾經嘗試過在T字節的數據里找到洞察力，你就知道這有多難了。讓人們借助傳統方法去查看和理解所有這些數據是絕對不可能的，即使你縮小到樣本容量，也要花費很多時間。

        為了讓物聯網達到期望，我們需要提高大數據分析的速度和精確度。如果我們做不到，結果將是災難性的，影響包括煩惱（比如家具設備不能像廣告說的那樣運行），或者生命威脅（起搏器故障或百輛車連環相撞）。

        跟上物聯網產生的數據、并獲取隱藏其中的洞察力的唯一方法就是使用機器學習。

        機器學習已經在使用了

        維基百科對機器學習的定義是“計算機科學和人工智能的一個子域，從數據中學習的某種系統的構造和研究，而不只是遵循明確的編程指令。”

        這聽起來可能有點兒像科幻小說，但是它已經出現在日常生活中了。比如，它被 Pandora 用來決定你可能喜歡的其它歌曲，或者 Amazon.com 為你推薦的其它書籍和電影。它們都是基于對用戶的學習，隨著系統學習你更多的行為，并逐漸優化。

        對于物聯網，機器學習能夠幫助公司把擁有的數十億的數據點（data point）轉化成真正有意義的數據。普通前提與零售應用程序是相同的，審視、分析你收集到的數據，并找到可用于學習的模式或類似東東，這樣就可以做出更好的決定。

        例如，追蹤健康的可穿戴設備已經是快速成長的產業了，但是不久這些設備將發展到彼此連接，并連接到互聯網，追蹤你的健康，實時把更新信息提供給衛生服務。

        目標是，如果滿足某種條件，你的醫生就能收到通知——比如你的心率增加到了不安全的級別、甚至停止了。為了能夠發現潛在問題，將根據什么是正常 的、什么是不正常的標準來分析數據。類似地，相互關系和異常情況需要根據實時數據流快速甄別。實時地審視成千上萬個病人的數據、正確地決定什么時候發出緊 急信號，這些都能夠被醫療服務的一個獨立工作來完成嗎？好像不行，編寫代碼或規則，掃描數據找到已知模式是相當耗時的、充滿了錯誤、被限制到僅僅識別先前 已知的模式。

        這些數據被收集過來，用于精確地識別先前已知的、和從來沒有見過的新模式，為了快速分析這些數據，能夠生成并匯總這種大數據的機器也必須學習每個病人的行為和軌跡，揭示和標識出代表重要健康問題的任何異常情況。

        物聯網的實現取決于能夠找到隱藏在海量增長的數據中的洞察力。由于當前的方法不能擴展到物聯網的量級，未來實現物聯網的諾言將取決于機器學習，以找到模式、相互關系和異常，它們具有改善我們日常生活方方面面的潛力。

        是時候讓機器指出機會究竟在哪里了。

                    <span id="shareA4" class="fl">                  
                        </span> 

</div>