物聯(lián)網(wǎng)(InternetofThing，IoT)廣義定義是萬物皆可連接到網(wǎng)絡，并可互相溝通或交換信息，以達到某種便利人類生活的目的。先前的文章介紹到裝置管理平臺，它一直聚焦在透過一個中央的裝置管理平臺將裝置連接到網(wǎng)絡、裝置間使用哪一種或哪些通訊協(xié)議溝通、用裝置管理平臺如何管控這些裝置等議題。到這里為止都屬于硬件架構(gòu)設計范疇(雖然裝置管理平臺本身是軟件)，然而如何讓物體本身成為智能對象(Smartobject)就是純軟件的范疇了。

相信很多讀者都聽過機器學習、深度學習這些熱門名詞，其中機器學習(MachineLearning，ML)之所以熱門，是因為大部分專家都認為機器學習是成就智能對象的核心關(guān)鍵，因此機器學習方法堪稱是“物聯(lián)”、“智能”的核心技術(shù)。

物聯(lián)網(wǎng)的應用非常廣泛，只要物體可以透過傳感器(Sensor)收集監(jiān)測到的訊號或信息，提供到裝置管理平臺再鏈接到應用程序處理后，反饋出特定的決策再指示原始對象做進一步動作的領域都是可能的應用場域，例如：智慧門鎖(透過家庭成員的進出時間判定物流配送最佳時間)、智能冰箱(監(jiān)控冰箱里的食物保存狀態(tài)、甚至決定何時補貨)、智能汽車(透過路徑分析節(jié)省能源或交通時間、監(jiān)控車輛使用狀態(tài)，決定何時進場維修)、智能農(nóng)業(yè)(監(jiān)控農(nóng)田環(huán)境狀態(tài)，決定何時灑水或施肥)、智能家居(有效的節(jié)能與生活輔助)、智能供應鏈克制化、智慧城市、智能工廠(提升生產(chǎn)效率或降低耗損)等，這些智能或智能的核心都依賴于機器學習為主的預測分析(Predictiveanalytics)。

數(shù)據(jù)分析的議題除了以機器學習為核心外，還有數(shù)據(jù)超載與新的因素加入時系統(tǒng)如何快速響應等問題。一方面，物聯(lián)網(wǎng)中連網(wǎng)的裝置無時無刻都在收集數(shù)據(jù)，時間久了自然會造成數(shù)據(jù)超載問題，僅僅依靠人力必然無法進行實時的分析和利用。另一方面，數(shù)據(jù)科學家通過分析大量的數(shù)據(jù)來辨認模式并人工定義規(guī)則，盡管已預建良好的應變系統(tǒng)，應用方案實際實施環(huán)境中隨時出現(xiàn)新的因素卻可能影響正確行動的判斷。如何確保物聯(lián)網(wǎng)系統(tǒng)在快速變化的環(huán)境中，仍然能夠做出最佳響應也是一項很有挑戰(zhàn)性的課題。