機器學習在20世紀40年代以及艾倫圖靈之后就已經存在了。早期的方法是使用符號編程，依靠機器規則作為學習的基礎。如今，算法的發展已經轉向了模式識別，應用精細化的學習技術。隨著機器學習朝著這個方向發展，我們已經看到應用效率的巨大提升。嵌入式開發

作為一項具備轉型意義的關鍵技術而被廣泛討論的是機器學習，這是實現物聯網崇高愿景的關鍵。當然它還處于新生階段，但發展速度是驚人的，其影響將是具備轉型意義的。

然而，支持機器學習必然會需要更大的計算資源。我們遇到的主要挑戰是將計算資源遠遠地推到產生數據的網絡邊緣，這樣就可以讓設備自身在更短的時間內做出關鍵性的決策，而不會因為要將數據傳送到云端而產生時間延誤。最終，企業會希望實現流動計算的模式，以便為在任何需要的地方和需要的時間為設備賦予智能。于是，我們將真正能夠充分利用機器學習的力量。

大多數企業機構都把物聯網看作是由多個階段構成的整體。大致的思路都是先把設備連接起來，然后使它們智能化，最后使它們自主化。但是，當你注意到它是一個整體系統之后，就會發現其背后所潛藏的其他組成部分，也就是更多的技術需求和業務需求。做好物聯網轉型這件事必須抱有強烈的意愿。決心有多大，這是一個非常重要的問題。任何企業機構，如果他們把物聯網和機器學習視為一個新的陌生領域，那就必須去學習。對于學習意愿和學習能力，無論怎么強調都不會過分。

如果企業機構認為僅僅依靠他們原有領域的知識就可以阻止來自鄰近市場的新競爭者，那么他們肯定就打錯算盤了！只要能夠獲得正確的數據集，同時擁有足夠的計算資源，程序員即便只有有限領域專門知識，也可以開發出能夠取得顯著成果的算法。所以，企業機構必須認識到，必須加快自己發展機器學習技術應用的速度，否則他們將看到來自臨近市場的新競爭對手，在他們的后視鏡里迅速追趕上來。

機器學習的應用不是今天即可到手的獎品，但卻是近期容易到手的目標，基本上用不了一年時間。流動計算、IT可擴展性和機器學習是迷人的技術。但在下一個十年里，機器學習和流動計算的發展將大大加速。

來源：朗銳智科