從智能電視和智能冰箱到智能手機和智能語音設(shè)備，物聯(lián)網(wǎng)（IoT）正在迅速成為我們?nèi)粘Ｉ畹囊徊糠?。這些設(shè)備每天收集大量數(shù)據(jù)，而公司正在囤積這些數(shù)據(jù)，并希望預測算法能夠從中獲得一些洞察力。那么，人工智能將如何改進物聯(lián)網(wǎng)？

人工智能

得益于科幻小說和電影，人工智能（AI）已經(jīng)聲名狼藉。當大多數(shù)人想到人工智能時，他們腦海中都會浮現(xiàn)出《2001：太空漫游》中的HAL9000或者《終結(jié)者》系列中的天網(wǎng)。如果沒有適當?shù)谋O(jiān)管，真正有感知能力的人工智能可能會造成威脅。另外，機器學習算法是人工智能的基礎(chǔ)。

機器學習背后的想法是創(chuàng)建無需編程即可學習的計算機。它已經(jīng)在小規(guī)模上使用——例如，你的網(wǎng)絡電視節(jié)目推薦是機器學習的基本形式，該程序會分析你觀看的節(jié)目和電影，并使用該數(shù)據(jù)為你提供新的選擇。

將人工智能融入物聯(lián)網(wǎng)

機器學習已經(jīng)邁出了物聯(lián)網(wǎng)世界的第一步。自動駕駛汽車是最大的物聯(lián)網(wǎng)設(shè)備之一，即使只提供部分自動駕駛功能的汽車，如特斯拉，也非常依賴于機器學習。你可以對自動駕駛汽車進行編程，使其了解道路的基本規(guī)則以及如何處理可能遇到的最常見障礙。然而，當你將其他驅(qū)動程序引入混合時，不可能為每個可能的變量進行編程。

這就是為什么在物聯(lián)網(wǎng)中機器學習至關(guān)重要的原因所在。剛從生產(chǎn)線上下來的特斯拉將會獲得其他特斯拉目前正在收集的所有信息，然后可以學習所有遇到的新變量并與所有連網(wǎng)的汽車共享，這使得自動駕駛模式對所有特斯拉駕駛員來說都更加安全。

物聯(lián)網(wǎng)，人工智能和大數(shù)據(jù)

大數(shù)據(jù)是一個行業(yè)術(shù)語，適用于任何大型數(shù)據(jù)集合。它可以是醫(yī)生和醫(yī)院收集的醫(yī)療數(shù)據(jù)，也可以是物聯(lián)網(wǎng)設(shè)備的使用數(shù)據(jù)以及二者之間的任何數(shù)據(jù)。不過，很多收集到的數(shù)據(jù)通常都是無用的，但行業(yè)領(lǐng)導者可以利用諸如使用和購買習慣等信息來預測銷售趨勢和市場中的其他變化。

當前使用的預測算法很有用，允許計算機進行預測，但它們受處理能力和學習能力的限制。傳統(tǒng)計算機可以處理數(shù)千字節(jié)的數(shù)據(jù)，另一方面，由人工智能驅(qū)動的計算機同樣可以處理該數(shù)據(jù)，并發(fā)現(xiàn)趨勢，然后跟隨這些趨勢得出結(jié)論。

機器學習不是完美的解決方案。微軟曾將該程序的基本版本應用于Twitter帳戶，結(jié)果在不到24小時內(nèi)，Twitter巨魔就將AI聊天機器人變成了種族主義者，并向每個人發(fā)送了令人不快的信息。對于不斷增長的物聯(lián)網(wǎng)行業(yè)來說，一個適當監(jiān)管的人工智能系統(tǒng)可能是一個寶貴工具，它們有潛力通過預測市場變化來改變和塑造每一個行業(yè)。

想象一下，經(jīng)營一家生產(chǎn)可穿戴設(shè)備的企業(yè)，能夠預測下一季度最暢銷的設(shè)備類型。這可以在銷售上賺更多的錢，并通過減少滯銷商品的生產(chǎn)來節(jié)省資金。物聯(lián)網(wǎng)與人工智能相結(jié)合可以減少或消除過剩的商品庫存。

只要系統(tǒng)得到適當監(jiān)管，機器學習就能塑造我們看待世界的方式，并且已經(jīng)改變了我們使用物聯(lián)網(wǎng)設(shè)備的方式。