当前位置:物联网市场动态 → 正文

为什么物联网的未来需要依赖机器学习

责任编辑:cres |来源:企业网D1Net  2019-07-23 14:40:32 本文摘自:电子发烧友

物联网将产生海量数据——这些数据可以帮助城市预测事故和犯罪;让医生实时了解起搏器或生物芯片的信息;通过对设备和机械进行预测性维护,实现跨行业的高效生产效率;创建真正智能的家用电器,并提供自动驾驶汽车之间的关键通信。物联网带来的可能性是无限的。
 
随着连网设备和传感器的快速扩展,它们创建的数据量将呈指数级增长,而随之而来的问题是如何分析这些海量性能数据。
 
事情就是这样:跟上物联网生成数据的速度并获得洞察力的唯一方法是机器学习。
 
什么是人工智能,什么是机器学习?
 
人工智能是对感知周围世界、形成计划并为实现目标而做出决策的智能体的研究。它的基础包括数学、逻辑、哲学、概率论、语言学、神经科学和决策理论。许多领域都属于人工智能的范畴,如计算机视觉、机器人学、机器学习和自然语言处理。
 
机器学习是人工智能的一个分支,它的目标是让计算机能够自己学习。机器的学习算法使其能够识别数据中的模式,然后构建解释世界的模型,并在没有明确预先编程规则和模型的情况下预测事物。
 
为什么机器学习很重要?
 
人工智能将比任何其他创新更有能力塑造我们的未来,任何不了解它的人很快就会发现自己被抛在后面。
 
在经过多个人工智能冬天和“虚假繁荣”之后,数据存储和计算机处理能力的快速发展极大地改变了游戏规则。
 
机器学习已经对计算机视觉(机器识别图像或视频中对象的能力)做出了巨大改进。例如,您收集了几十万甚至几百万张图片,需要分别给它们贴上标签,比如要给有猫的图片贴上标签,然后,该算法试图建立一个模型,可以准确无误地给每一张有猫的图片贴上标签。一旦精度足够高,机器就能“了解”猫的样子。
 
例如,跟踪健康状况的可穿戴设备已经是一个新兴行业,但很快这些设备将发展成为相互连接并连接到互联网的设备,可以跟踪您的健康状况并为健康服务提供实时更新。
 
如果您身体的某项指标达到阈值,您的医生会收到通知——例如,心率增加到不安全的水平,甚至停止。为了能够指出潜在问题,必须从正常和不正常的角度来分析数据,而这需要基于实时数据流快速识别相似性、相关性和异常性。这能否由在医疗服务部门工作的个人来完成?——实时审查来自数千名患者的数据,并正确决定何时发出紧急信息?不太可能——编写代码或规则来搜索数据以查找已知模式非常耗时,充满了错误,并且仅限于识别先前已知的模式。
 
为了在收集数据时立即进行分析,以准确识别先前已知和先前从未见过的新模式,还必须使用能够生成和聚合这些大数据的机器来了解每个患者的正常行为,并跟踪、发现和标记任何可能表明严重健康问题的异常内容。
 
物联网的实现依赖于能够获得隐藏在广阔且不断增长的数据海洋中的洞察力。由于目前的方法不能扩展到物联网的规模,因此,实现物联网承诺的未来依赖于机器学习来发现模式、相关性和异常,而这些模式、相关性和异常有可能会改善我们日常生活的所有方面。
 
机器学习是我们走向人工智能之旅的核心,与此同时,它将改变每个行业,并对我们的日常生活产生巨大影响。

关键字:物联网机器学习

本文摘自:电子发烧友

x 为什么物联网的未来需要依赖机器学习 扫一扫
分享本文到朋友圈
当前位置:物联网市场动态 → 正文

为什么物联网的未来需要依赖机器学习

责任编辑:cres |来源:企业网D1Net  2019-07-23 14:40:32 本文摘自:电子发烧友

物联网将产生海量数据——这些数据可以帮助城市预测事故和犯罪;让医生实时了解起搏器或生物芯片的信息;通过对设备和机械进行预测性维护,实现跨行业的高效生产效率;创建真正智能的家用电器,并提供自动驾驶汽车之间的关键通信。物联网带来的可能性是无限的。
 
随着连网设备和传感器的快速扩展,它们创建的数据量将呈指数级增长,而随之而来的问题是如何分析这些海量性能数据。
 
事情就是这样:跟上物联网生成数据的速度并获得洞察力的唯一方法是机器学习。
 
什么是人工智能,什么是机器学习?
 
人工智能是对感知周围世界、形成计划并为实现目标而做出决策的智能体的研究。它的基础包括数学、逻辑、哲学、概率论、语言学、神经科学和决策理论。许多领域都属于人工智能的范畴,如计算机视觉、机器人学、机器学习和自然语言处理。
 
机器学习是人工智能的一个分支,它的目标是让计算机能够自己学习。机器的学习算法使其能够识别数据中的模式,然后构建解释世界的模型,并在没有明确预先编程规则和模型的情况下预测事物。
 
为什么机器学习很重要?
 
人工智能将比任何其他创新更有能力塑造我们的未来,任何不了解它的人很快就会发现自己被抛在后面。
 
在经过多个人工智能冬天和“虚假繁荣”之后,数据存储和计算机处理能力的快速发展极大地改变了游戏规则。
 
机器学习已经对计算机视觉(机器识别图像或视频中对象的能力)做出了巨大改进。例如,您收集了几十万甚至几百万张图片,需要分别给它们贴上标签,比如要给有猫的图片贴上标签,然后,该算法试图建立一个模型,可以准确无误地给每一张有猫的图片贴上标签。一旦精度足够高,机器就能“了解”猫的样子。
 
例如,跟踪健康状况的可穿戴设备已经是一个新兴行业,但很快这些设备将发展成为相互连接并连接到互联网的设备,可以跟踪您的健康状况并为健康服务提供实时更新。
 
如果您身体的某项指标达到阈值,您的医生会收到通知——例如,心率增加到不安全的水平,甚至停止。为了能够指出潜在问题,必须从正常和不正常的角度来分析数据,而这需要基于实时数据流快速识别相似性、相关性和异常性。这能否由在医疗服务部门工作的个人来完成?——实时审查来自数千名患者的数据,并正确决定何时发出紧急信息?不太可能——编写代码或规则来搜索数据以查找已知模式非常耗时,充满了错误,并且仅限于识别先前已知的模式。
 
为了在收集数据时立即进行分析,以准确识别先前已知和先前从未见过的新模式,还必须使用能够生成和聚合这些大数据的机器来了解每个患者的正常行为,并跟踪、发现和标记任何可能表明严重健康问题的异常内容。
 
物联网的实现依赖于能够获得隐藏在广阔且不断增长的数据海洋中的洞察力。由于目前的方法不能扩展到物联网的规模,因此,实现物联网承诺的未来依赖于机器学习来发现模式、相关性和异常,而这些模式、相关性和异常有可能会改善我们日常生活的所有方面。
 
机器学习是我们走向人工智能之旅的核心,与此同时,它将改变每个行业,并对我们的日常生活产生巨大影响。

关键字:物联网机器学习

本文摘自:电子发烧友

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^