物聯(lián)網(wǎng)將產(chǎn)生海量數(shù)據(jù)——這些數(shù)據(jù)可以幫助城市預測事故和犯罪;讓醫(yī)生實時了解起搏器或生物芯片的信息;通過對設備和機械進行預測性維護，實現(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，并提供自動駕駛汽車之間的關鍵通信。物聯(lián)網(wǎng)帶來的可能性是無限的。

隨著連網(wǎng)設備和傳感器的快速擴展，它們創(chuàng)建的數(shù)據(jù)量將呈指數(shù)級增長，而隨之而來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器學習。

什么是人工智能，什么是機器學習？

人工智能是對感知周圍世界、形成計劃并為實現(xiàn)目標而做出決策的智能體的研究。它的基礎包括數(shù)學、邏輯、哲學、概率論、語言學、神經(jīng)科學和決策理論。許多領域都屬于人工智能的范疇，如計算機視覺、機器人學、機器學習和自然語言處理。

機器學習是人工智能的一個分支，它的目標是讓計算機能夠自己學習。機器的學習算法使其能夠識別數(shù)據(jù)中的模式，然后構(gòu)建解釋世界的模型，并在沒有明確預先編程規(guī)則和模型的情況下預測事物。

為什么機器學習很重要？

人工智能將比任何其他創(chuàng)新更有能力塑造我們的未來，任何不了解它的人很快就會發(fā)現(xiàn)自己被拋在后面。

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

機器學習已經(jīng)對計算機視覺（機器識別圖像或視頻中對象的能力）做出了巨大改進。例如，您收集了幾十萬甚至幾百萬張圖片，需要分別給它們貼上標簽，比如要給有貓的圖片貼上標簽，然后，該算法試圖建立一個模型，可以準確無誤地給每一張有貓的圖片貼上標簽。一旦精度足夠高，機器就能“了解”貓的樣子。

例如，跟蹤健康狀況的可穿戴設備已經(jīng)是一個新興行業(yè)，但很快這些設備將發(fā)展成為相互連接并連接到互聯(lián)網(wǎng)的設備，可以跟蹤您的健康狀況并為健康服務提供實時更新。

如果您身體的某項指標達到閾值，您的醫(yī)生會收到通知——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分析數(shù)據(jù)，而這需要基于實時數(shù)據(jù)流快速識別相似性、相關性和異常性。這能否由在醫(yī)療服務部門工作的個人來完成？——實時審查來自數(shù)千名患者的數(shù)據(jù)，并正確決定何時發(fā)出緊急信息？不太可能——編寫代碼或規(guī)則來搜索數(shù)據(jù)以查找已知模式非常耗時，充滿了錯誤，并且僅限于識別先前已知的模式。

為了在收集數(shù)據(jù)時立即進行分析，以準確識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)的機器來了解每個患者的正常行為，并跟蹤、發(fā)現(xiàn)和標記任何可能表明嚴重健康問題的異常內(nèi)容。

物聯(lián)網(wǎng)的實現(xiàn)依賴于能夠獲得隱藏在廣闊且不斷增長的數(shù)據(jù)海洋中的洞察力。由于目前的方法不能擴展到物聯(lián)網(wǎng)的規(guī)模，因此，實現(xiàn)物聯(lián)網(wǎng)承諾的未來依賴于機器學習來發(fā)現(xiàn)模式、相關性和異常，而這些模式、相關性和異常有可能會改善我們?nèi)粘Ｉ畹乃蟹矫妗?/p>

機器學習是我們走向人工智能之旅的核心，與此同時，它將改變每個行業(yè)，并對我們的日常生活產(chǎn)生巨大影響。