世界各地的企業(yè)都在迅速利用物聯(lián)網(wǎng)（ IoT ）來創(chuàng)造新產(chǎn)品和服務(wù)，從而開辟新的商業(yè)機(jī)會并創(chuàng)造新的商業(yè)模式。 由此帶來的轉(zhuǎn)變開啟了一個(gè)新的時(shí)代，即企業(yè)如何運(yùn)營并與客戶保持互動。然而，利用物聯(lián)網(wǎng)只是故事的一部分。 為了讓企業(yè)充分發(fā)揮物聯(lián)網(wǎng)潛力，他們需要將物聯(lián)網(wǎng)與快速發(fā)展的人工智能（ AI ）技術(shù)相結(jié)合，使“智能機(jī)器”能夠模擬智能行為，并在很少或沒有人為干預(yù)情況下做出明智決策。 人工智能（ AI ）和物聯(lián)網(wǎng)（ IoT ）被認(rèn)為是2017年顛覆業(yè)務(wù)的驅(qū)動因素。但是，這些2個(gè)術(shù)語到底意味著什么，他們之間的關(guān)系又是什么？ 讓我們首先定義兩個(gè)術(shù)語： 物聯(lián)網(wǎng)被定義為由相互連接的物理對象、傳感器、致動器、虛擬對象、人員、服務(wù)、平臺和網(wǎng)絡(luò)組成的系統(tǒng)，它們具有單獨(dú)的標(biāo)識符和獨(dú)立傳輸數(shù)據(jù)能力。物聯(lián)網(wǎng)應(yīng)用例子包括智慧農(nóng)業(yè)、智能家居、智能交通、遠(yuǎn)程患者監(jiān)控和無人駕駛汽車等。

總之，物聯(lián)網(wǎng)是從環(huán)境中收集和交換信息的“物體”網(wǎng)絡(luò)。 物聯(lián)網(wǎng)有時(shí)被業(yè)內(nèi)人士稱為是第四次工業(yè)革命（工業(yè)4.0）的推動者，并引發(fā)了廣泛領(lǐng)域的技術(shù)變革。Gartner預(yù)測，到2020年，全球?qū)⒂?08億臺連網(wǎng)設(shè)備投入使用，但最近的預(yù)測顯示，2020年這一數(shù)字將超過500億臺設(shè)備。其他報(bào)告也預(yù)測了各種行業(yè)將實(shí)現(xiàn)巨大增長，例如估計(jì)到2020年醫(yī)療物聯(lián)網(wǎng)價(jià)值約為1170億美元，并預(yù)測在同一年將有2.5億輛連網(wǎng)汽車上路。物聯(lián)網(wǎng)的發(fā)展為許多企業(yè)帶來了令人興奮的機(jī)會，也讓我們的個(gè)人生活變得更加輕松愜意，同時(shí)提高了許多企業(yè)的效率、生產(chǎn)力和安全性。 另一方面，人工智能是引擎或“大腦”，能夠根據(jù)物聯(lián)網(wǎng)收集的數(shù)據(jù)進(jìn)行分析和決策。換句話說，物聯(lián)網(wǎng)收集數(shù)據(jù)，人工智能處理這些數(shù)據(jù)并使其有意義。你可以在健身追蹤器和Google Home、亞馬遜Alexa和Apple Siri等設(shè)備中看到這些系統(tǒng)的協(xié)同工作。

隨著更多連網(wǎng)設(shè)備的出現(xiàn)，更多數(shù)據(jù)可為企業(yè)提供驚人的洞察力，但也卻對如何分析這些數(shù)據(jù)提出了新的挑戰(zhàn)。收集這些數(shù)據(jù)對任何人都沒有好處，除非有辦法理解所有這些數(shù)據(jù)。這就是人工智能（AI）的用武之地，理解大量數(shù)據(jù)也是人工智能的完美之處。 通過將人工智能的分析能力應(yīng)用于物聯(lián)網(wǎng)數(shù)據(jù)收集，企業(yè)可以識別和理解收集來的所有數(shù)據(jù)，并做出更明智決策。這為消費(fèi)者和企業(yè)帶來了各種好處，如主動干預(yù)、智能自動化和高度個(gè)性化體驗(yàn)。它還使我們能夠找到連網(wǎng)設(shè)備更好協(xié)同工作的方法，并使這些系統(tǒng)更易于使用。 這反過來又促使了更高的采用率。我們需要提高人工智能數(shù)據(jù)分析的速度和準(zhǔn)確性，以確保物聯(lián)網(wǎng)實(shí)現(xiàn)其承諾的愿景。收集數(shù)據(jù)是一回事，但對數(shù)據(jù)進(jìn)行排序、分析和理解卻是另外一回事。這就是為什么當(dāng)物聯(lián)網(wǎng)開始滲透到我們生活的方方面面時(shí)，為了跟上正在收集大量數(shù)據(jù)的速度，而去開發(fā)更快、更精確人工智能的重要原因了。

物聯(lián)網(wǎng)數(shù)據(jù)示例：

▲幫助城市預(yù)測事故和犯罪的數(shù)據(jù)

▲讓醫(yī)生實(shí)時(shí)了解心臟起搏器或生物芯片的數(shù)據(jù)

▲通過對設(shè)備和機(jī)器進(jìn)行預(yù)測性維護(hù)來優(yōu)化各行業(yè)生產(chǎn)力的數(shù)據(jù)

▲使用連網(wǎng)設(shè)備創(chuàng)建真正智能家居的數(shù)據(jù)

▲提供自動駕駛汽車之間關(guān)鍵通信的數(shù)據(jù) 人類根本無法用傳統(tǒng)方法審查和理解所有這些數(shù)據(jù)，即使它們減少了數(shù)據(jù)樣本量。最大問題是如何分析所有這些設(shè)備產(chǎn)生的大量性能數(shù)據(jù)和信息，而從數(shù)TB機(jī)器數(shù)據(jù)中發(fā)現(xiàn)真知灼見無疑是一項(xiàng)真正挑戰(zhàn)，那么，我們確實(shí)需要數(shù)據(jù)科學(xué)家的幫助。 但為了讓我們能夠充分利用物聯(lián)網(wǎng)數(shù)據(jù)，我們需要改進(jìn)：

▲大數(shù)據(jù)分析的速度

▲大數(shù)據(jù)分析的準(zhǔn)確性

人工智能和物聯(lián)網(wǎng)數(shù)據(jù)分析

有六種物聯(lián)網(wǎng)數(shù)據(jù)分析類型，AI可以提供幫助：

1、數(shù)據(jù)準(zhǔn)備：定義數(shù)據(jù)池并清理它們，這將帶我們了解暗數(shù)據(jù)、數(shù)據(jù)湖等概念。

2、數(shù)據(jù)發(fā)現(xiàn)：在定義的數(shù)據(jù)池中查找有用數(shù)據(jù)。

3、流數(shù)據(jù)可視化：通過定義、發(fā)現(xiàn)數(shù)據(jù)并以智能方式對其進(jìn)行可視化處理，從而使決策過程能夠毫不拖延地進(jìn)行。

4、數(shù)據(jù)時(shí)間序列準(zhǔn)確性：以數(shù)據(jù)高準(zhǔn)確性和完整性來保持對所收集數(shù)據(jù)的高度信任。

5、預(yù)測和高級分析：這是一個(gè)非常重要步驟，可以根據(jù)收集、發(fā)現(xiàn)和分析的數(shù)據(jù)做出決策。

6、實(shí)時(shí)地理空間和位置（物流）：保持?jǐn)?shù)據(jù)的流暢和可控。

物聯(lián)網(wǎng)應(yīng)用中的人工智能：

▲例如，視覺大數(shù)據(jù)將允許計(jì)算機(jī)更深入地了解屏幕上的圖像，使用新的AI應(yīng)用程序來理解圖像的背景。

▲認(rèn)知系統(tǒng)將創(chuàng)建新的食譜，以吸引用戶的味覺，為每個(gè)人創(chuàng)建優(yōu)化菜單，并自動適應(yīng)當(dāng)?shù)嘏淞稀?/p>

▲較新的傳感器將允許計(jì)算機(jī)“收聽”收集有關(guān)用戶環(huán)境中的聲音信息。

▲連網(wǎng)和遠(yuǎn)程操作，通過連網(wǎng)和智能的倉庫操作，工人將不再需要在倉庫內(nèi)四處行走，來從貨架上揀貨來完成訂單。相反，貨架在小機(jī)器人平臺的引導(dǎo)下，可以在過道上快速移動，將正確的庫存運(yùn)送到正確的地點(diǎn)，避免沿途碰撞。訂單交付更快、更安全、更高效。

▲預(yù)測性維護(hù)，通過預(yù)測和預(yù)防此類事件的位置和時(shí)間，在任何故障或泄漏之前為企業(yè)節(jié)省數(shù)大量費(fèi)用。 這些只是人工智能在物聯(lián)網(wǎng)中一些創(chuàng)新應(yīng)用。高度個(gè)性化服務(wù)的潛力是無窮無盡的，并將極大地改變?nèi)藗兊纳罘绞健?/p>

人工智能在物聯(lián)網(wǎng)中面臨的挑戰(zhàn)

1、兼容性：物聯(lián)網(wǎng)是許多部件和系統(tǒng)的集合，它們在時(shí)間和空間上根本不同。

2、復(fù)雜性：物聯(lián)網(wǎng)是一個(gè)復(fù)雜系統(tǒng)，具有許多移動部件和不間斷的數(shù)據(jù)流，使其成為一個(gè)非常復(fù)雜的生態(tài)系統(tǒng)。

3、隱私/安全/防護(hù)（PSS）：PSS始終是每項(xiàng)新技術(shù)或概念的問題，人工智能在不影響PSS的情況下可以提供多大幫助？ 解決這類問題的新方法之一是使用區(qū)塊鏈技術(shù)。

4、道德和法律問題：對于許多企業(yè)來說，這是一個(gè)全新的世界，沒有先例，同時(shí)也是一個(gè)未經(jīng)檢驗(yàn)的領(lǐng)域，新的法規(guī)和案例將會迅速出現(xiàn)。

5、人工愚蠢：回到GIGO（Garbage In Garbage Out）這是一個(gè)非常簡單的概念，人工智能仍然需要“訓(xùn)練”才能理解人類的反應(yīng)和情感，只有這樣決策才有意義。 結(jié)論 雖然物聯(lián)網(wǎng)令人印象深刻，但如果沒有一個(gè)好的人工智能系統(tǒng)，物聯(lián)網(wǎng)真的不算什么。這兩種技術(shù)都需要達(dá)到相同發(fā)展水平，才能像我們認(rèn)為的那樣完美地運(yùn)作?？茖W(xué)家們正在試圖找到開發(fā)更智能數(shù)據(jù)分析軟件和設(shè)備的方法，以實(shí)現(xiàn)安全有效的物聯(lián)網(wǎng)。這可能需要一段時(shí)間才能實(shí)現(xiàn)，因?yàn)槿斯ぶ悄艿陌l(fā)展落后于物聯(lián)網(wǎng)。 將人工智能集成到物聯(lián)網(wǎng)正在成為當(dāng)今物聯(lián)網(wǎng)生態(tài)系統(tǒng)成功的先決條件。因此，企業(yè)必須迅速行動，以確定如何通過將人工智能和物聯(lián)網(wǎng)結(jié)合來提升價(jià)值。 唯一能夠跟上物聯(lián)網(wǎng)生成數(shù)據(jù)并獲得其隱藏洞察力的方法，是讓人工智能成為物聯(lián)網(wǎng)的催化劑。