设备" width="600" height="300" />
英文原文：IoT Won’t Work Without Artificial Intelligence
译/腊八粥
随着作为今年最流行技术时髦语的物联网（Internet of Things，简写 Iot）继续升温，关于它的讨论意见从它是什么转变到了如何从中挖掘价值，到了战略层面：如何让它真正运行起来。
物联网将产生大数据的宝藏，大数据帮助城市预测事故和犯罪，通过起搏器和生物芯片提供的信息让医生获取实时观察，通过可预测的设备和机器的维护来优化生产效率，借助连接的装置打造真正智能家居，实现无人驾驶汽车真正的通信。物联网所引发的可能性是无止境的。
由于连接到物联网的设备和传感器的快速扩张还在进行中，它们所产生的数据陡增将达到令人难以想象的地步。这些数据将包含对于有无意义的、相当有价值的洞察力（insight）——指出日益严重的冲突，提供因相互关系和联合所产生的新业务风险和机遇的高价值洞察力。
听起来不错。然而，一大难题将是找到分析所有这些设备生成的、海量性能数据和信息。如果你曾经尝试过在T字节的数据里找到洞察力，你就知道这有多难了。让人们借助传统方法去查看和理解所有这些数据是绝对不可能的，即使你缩小到样本容量，也要花费很多时间。
为了让物联网达到期望，我们需要提高大数据分析的速度和精确度。如果我们做不到，结果将是灾难性的，影响包括烦恼（比如家具设备不能像广告说的那样运行），或者生命威胁（起搏器故障或百辆车连环相撞）。
跟上物联网产生的数据、并获取隐藏其中的洞察力的唯一方法就是使用机器学习。
机器学习已经在使用了
维基百科对机器学习的定义是“计算机科学和人工智能的一个子域，从数据中学习的某种系统的构造和研究，而不只是遵循明确的编程指令。”
这听起来可能有点儿像科幻小说，但是它已经出现在日常生活中了。比如，它被 Pandora 用来决定你可能喜欢的其它歌曲，或者 Amazon.com 为你推荐的其它书籍和电影。它们都是基于对用户的学习，随着系统学习你更多的行为，并逐渐优化。
对于物联网，机器学习能够帮助公司把拥有的数十亿的数据点（data point）转化成真正有意义的数据。普通前提与零售应用程序是相同的，审视、分析你收集到的数据，并找到可用于学习的模式或类似东东，这样就可以做出更好的决定。
例如，追踪健康的可穿戴设备已经是快速成长的产业了，但是不久这些设备将发展到彼此连接，并连接到互联网，追踪你的健康，实时把更新信息提供给卫生服务。
目标是，如果满足某种条件，你的医生就能收到通知——比如你的心率增加到了不安全的级别、甚至停止了。为了能够发现潜在问题，将根据什么是正常的、什么是不正常的标准来分析数据。类似地，相互关系和异常情况需要根据实时数据流快速甄别。实时地审视成千上万个病人的数据、正确地决定什么时候发出紧急信号，这些都能够被医疗服务的一个独立工作来完成吗？好像不行，编写代码或规则，扫描数据找到已知模式是相当耗时的、充满了错误、被限制到仅仅识别先前已知的模式。
这些数据被收集过来，用于精确地识别先前已知的、和从来没有见过的新模式，为了快速分析这些数据，能够生成并汇总这种大数据的机器也必须学习每个病人的行为和轨迹，揭示和标识出代表重要健康问题的任何异常情况。
物联网的实现取决于能够找到隐藏在海量增长的数据中的洞察力。由于当前的方法不能扩展到物联网的量级，未来实现物联网的诺言将取决于机器学习，以找到模式、相互关系和异常，它们具有改善我们日常生活方方面面的潜力。
是时候让机器指出机会究竟在哪里了。
相关文章
