人工智能和机器学习如何从物联网数据中提取关键见解

过去几年，围绕物联网的大部分讨论都集中在连网设备本身——它们是什么、有多少以及如何保护它们。

虽然所有这些小端点都很重要，但在物联网中更重要的是这些设备所生成的大量数据，以及通过分析可以从中获得的业务见解。当谈到为这些关键见解制定路线时，人工智能(AI)和机器学习(ML)是照亮道路的技术。

几十年来，数据分析主要涉及计算机编译和存储信息，并将其呈现给人类进行分析，这一过程比较缓慢、容易出错，并且无法解读隐藏在数据深处的趋势。这些缺点在物联网环境中更加严重，在物联网环境中，大量传感器和移动设备产生的数据量呈指数级增长。

网络巨头思科预计，到2022年，连网的物联网和移动设备数量将超过1200万台，其中移动网络流量将达到近1兆字节。并且当您将高速5G网络添加到组合中时，挑战会变得更加艰巨。

随着所有这些数据的堆积，人工智能及其子集，机器学习(ML)和深度学习已成为关键工具。

机器学习使用算法对数据进行排序，从中学习并找到可用于指导业务决策、做出预测、提供警报和解决问题的模式和趋势。通过将经过优化的算法应用于大量数据，可以训练机器学习系统以了解如何完成工作并适应变化。

深度学习使用神经网络，其功能类似于人脑。神经网络利用了一组算法，而这些算法通过一系列计算层传递数据。这些层识别并提取图像、声音或文本等元素，然后最终得到所需的输出。

人工智能和相关学科并不新鲜。自1990年代以来，科学家一直在研究人工智能，并一直致力于人工神经网络。但是，近年来发生的变化是，计算机的功能强大到足以处理大量数据，而这主要得益于具有增强并行计算能力的高性能GPU加速器。

与此同时，数据存储容量爆炸式增长，并且可用于训练机器的数据量激增。反馈给算法的数据越多，它们学习的速度就越快，性能也就越好。这对物联网来说是一个巨大的福音，它越来越依赖于挖掘和掌握数据中的模式。