為什么物聯(lián)網(wǎng)的未來(lái)需要依賴機(jī)器學(xué)習(xí)

導(dǎo)讀：物聯(lián)網(wǎng)將產(chǎn)生海量數(shù)據(jù)——這些數(shù)據(jù)可以幫助城市預(yù)測(cè)事故和犯罪;讓醫(yī)生實(shí)時(shí)了解起搏器或生物芯片的信息;

物聯(lián)網(wǎng)將產(chǎn)生海量數(shù)據(jù)——這些數(shù)據(jù)可以幫助城市預(yù)測(cè)事故和犯罪;讓醫(yī)生實(shí)時(shí)了解起搏器或生物芯片的信息;通過對(duì)設(shè)備和機(jī)械進(jìn)行預(yù)測(cè)性維護(hù)，實(shí)現(xiàn)跨行業(yè)的高效生產(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。

隨著連網(wǎng)設(shè)備和傳感器的快速擴(kuò)展，它們創(chuàng)建的數(shù)據(jù)量將呈指數(shù)級(jí)增長(zhǎng)，而隨之而來(lái)的問題是如何分析這些海量性能數(shù)據(jù)。

事情就是這樣：跟上物聯(lián)網(wǎng)生成數(shù)據(jù)的速度并獲得洞察力的唯一方法是機(jī)器學(xué)習(xí)。

什么是人工智能，什么是機(jī)器學(xué)習(xí)?

人工智能是對(duì)感知周圍世界、形成計(jì)劃并為實(shí)現(xiàn)目標(biāo)而做出決策的智能體的研究。它的基礎(chǔ)包括數(shù)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(jì)算機(jī)視覺、機(jī)器人學(xué)、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理。

機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它的目標(biāo)是讓計(jì)算機(jī)能夠自己學(xué)習(xí)。機(jī)器的學(xué)習(xí)算法使其能夠識(shí)別數(shù)據(jù)中的模式，然后構(gòu)建解釋世界的模型，并在沒有明確預(yù)先編程規(guī)則和模型的情況下預(yù)測(cè)事物。

為什么機(jī)器學(xué)習(xí)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(xiàn)自己被拋在后面。

在經(jīng)過多個(gè)人工智能冬天和“虛假繁榮”之后，數(shù)據(jù)存儲(chǔ)和計(jì)算機(jī)處理能力的快速發(fā)展極大地改變了游戲規(guī)則。

機(jī)器學(xué)習(xí)已經(jīng)對(duì)計(jì)算機(jī)視覺(機(jī)器識(shí)別圖像或視頻中對(duì)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(biāo)簽，比如要給有貓的圖片貼上標(biāo)簽，然后，該算法試圖建立一個(gè)模型，可以準(zhǔn)確無(wú)誤地給每一張有貓的圖片貼上標(biāo)簽。一旦精度足夠高，機(jī)器就能“了解”貓的樣子。

例如，跟蹤健康狀況的可穿戴設(shè)備已經(jīng)是一個(gè)新興行業(yè)，但很快這些設(shè)備將發(fā)展成為相互連接并連接到互聯(lián)網(wǎng)的設(shè)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(xiàng)指標(biāo)達(dá)到閾值，您的醫(yī)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題，必須從正常和不正常的角度來(lái)分析數(shù)據(jù)，而這需要基于實(shí)時(shí)數(shù)據(jù)流快速識(shí)別相似性、相關(guān)性和異常性。這能否由在醫(yī)療服務(wù)部門工作的個(gè)人來(lái)完成?——實(shí)時(shí)審查來(lái)自數(shù)千名患者的數(shù)據(jù)，并正確決定何時(shí)發(fā)出緊急信息?不太可能——編寫代碼或規(guī)則來(lái)搜索數(shù)據(jù)以查找已知模式非常耗時(shí)，充滿了錯(cuò)誤，并且僅限于識(shí)別先前已知的模式。

為了在收集數(shù)據(jù)時(shí)立即進(jìn)行分析，以準(zhǔn)確識(shí)別先前已知和先前從未見過的新模式，還必須使用能夠生成和聚合這些大數(shù)據(jù)的機(jī)器來(lái)了解每個(gè)患者的正常行為，并跟蹤、發(fā)現(xiàn)和標(biāo)記任何可能表明嚴(yán)重健康問題的異常內(nèi)容。

物聯(lián)網(wǎng)的實(shí)現(xiàn)依賴于能夠獲得隱藏在廣闊且不斷增長(zhǎng)的數(shù)據(jù)海洋中的洞察力。由于目前的方法不能擴(kuò)展到物聯(lián)網(wǎng)的規(guī)模，因此，實(shí)現(xiàn)物聯(lián)網(wǎng)承諾的未來(lái)依賴于機(jī)器學(xué)習(xí)來(lái)發(fā)現(xiàn)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?nèi)粘Ｉ畹乃蟹矫妗?/p>

機(jī)器學(xué)習(xí)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(duì)我們的日常生活產(chǎn)生巨大影響。