不得不說，人工智能與物聯(lián)網(wǎng)是當下科技領域最火熱的詞匯之二。源于互聯(lián)網(wǎng)卻又“高”于互聯(lián)網(wǎng)的物聯(lián)網(wǎng)，在AI市場如火如荼的今天，可謂是大放光彩，二者齊頭并進，相得益彰。

那么，物聯(lián)網(wǎng)與人工智能之間，究竟有著怎樣千絲萬縷的關系呢？

細說物聯(lián)網(wǎng)與人工智能

想要弄清楚兩個事物之間的聯(lián)系，我們事先必須對兩個個體有充分的了解才能更深層次地探究。物聯(lián)網(wǎng)與人工智能分別有著什么樣的功能與用途呢？

物聯(lián)網(wǎng)是互聯(lián)網(wǎng)的應用拓展，與其說物聯(lián)網(wǎng)是網(wǎng)絡，不如說物聯(lián)網(wǎng)是業(yè)務和應用。因此，應用創(chuàng)新是物聯(lián)網(wǎng)發(fā)展的核心，以用戶體驗為核心的創(chuàng)新是物聯(lián)網(wǎng)發(fā)展的靈魂。

以下圖為例，物聯(lián)網(wǎng)大致分為以下幾個層級：感知層，網(wǎng)絡層，應用層。

感知層相當于人的感官和神經(jīng)末梢，用來感知和采集應用環(huán)境中的各種數(shù)據(jù)。包括溫度、濕度、速度、位置、震動、壓力、流量、氣體等各種各樣的傳感器。靈敏度和精度高，功耗低，可以無線傳輸是對傳感層的要求。

網(wǎng)絡層相當于人的神經(jīng)系統(tǒng)，用來傳輸數(shù)據(jù)。包括各種各樣的無線通訊技術和標準，比如Zigbee／BLE／Wifi／NFC／RFID／LTE等。低功耗，廣域覆蓋，更多連接是無線網(wǎng)絡的發(fā)展方向。目前新的通訊技術和標準NB－IoT，LoRa，eLTE－IoT都是往這個方向努力。未來的5G會取代目前很多的無線通訊技術，一統(tǒng)江湖。

應用層相當于人的大腦指示和反應，通過指令反向控制輸出。如設備管理，環(huán)境監(jiān)測，工業(yè)控制等。

而關于人工智能，我們可以打個比喻：一個人吸收了人類大量的知識（數(shù)據(jù)），不斷的深度學習、進化成為一方高人。人工智能離不開大數(shù)據(jù)，更是基于云計算平臺完成深度學習進化。

人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

強人工智能發(fā)展離不開物聯(lián)網(wǎng)

AI能根據(jù)大量的歷史資料和實時觀察（real-timeobservation）找出對于未來預測性的洞察（predictiveinsights）。由于同時分析過去的和實時的數(shù)據(jù)，AI能容易注意到有哪些資料屬于例外，并做出合理、合適的推斷，而數(shù)據(jù)對于人工智能的重要性也就不言而喻了。對于人工智能來說，它可以處理和從中學習的數(shù)據(jù)越多，其預測的準確率也會越高。

乍一看，我們似乎只需要人工智能就可以了。然而，物聯(lián)網(wǎng)（IoT）其實肩負了一個至關重要的任務：資料收集。物聯(lián)網(wǎng)可連接大量不同的設備及裝置，包括：家用電器和穿戴式設備。嵌入在各個產(chǎn)品中的傳感器（sensor）便會不斷地將新數(shù)據(jù)上傳至云端。這些新的數(shù)據(jù)以后可以被人工智能處理和分析，以生成所需要的信息并繼續(xù)積累知識。

盡管AI投資領域越來越火熱，應用場景也在不斷擴展，但事實上，目前我們所說的人工智能還只處于弱人工智能階段，而科技發(fā)展的目標顯然是邁向門檻更高階段的強人工智能。

人工智能領域門檻最高的其實是強人工智能和超人工智能，具備人腦一樣處理各種問題的能力，還有自我學習、理解和溝通能力，在強人工智能、超人工智能上，世界范圍內(nèi)都僅僅處于初級階段。那么要想實現(xiàn)這一領域的突破，我們就更離不開物聯(lián)網(wǎng)的幫助了。

物聯(lián)網(wǎng)因AI應用而閃閃發(fā)光

通過以上描述，可能很容易讓人產(chǎn)生一種錯覺，就是單向度的認為人工智能離不開物聯(lián)網(wǎng)。然而事實并非如此，物聯(lián)網(wǎng)的光芒萬丈同樣也少了人工智能的助力。

我們知道，物聯(lián)網(wǎng)將會產(chǎn)生非常有價值的大數(shù)據(jù)，這些數(shù)據(jù)可以幫助城市預測事故與犯罪；讓醫(yī)生實時查看病患的心臟起搏器和生物芯片中的信息；通過預測性維護設備和機械，可以讓工業(yè)產(chǎn)量最佳化；通過與家用電器的連接，向用戶提供與自己的車輛和手持設備的危機通信從而建造真正智能的房屋。這些可能性都是由物聯(lián)網(wǎng)所帶來的，而且它所帶來的便利還會越來越多。

由于連接物聯(lián)網(wǎng)的設備與傳感器還會繼續(xù)快速擴張，而由這些設備產(chǎn)生的數(shù)據(jù)總量將會增長到一個難以置信的等級。這些數(shù)據(jù)擁有著極大的價值，可以讓我們洞察出哪些是有用的，哪些是沒用的。

這聽起來很不錯，但最大的問題將是尋找一種方式來分析由這些設備產(chǎn)生的數(shù)量極多的數(shù)據(jù)和信息。對人類而言，要審查并了解所有這些數(shù)據(jù)根本不可能做到，如果用傳統(tǒng)方法這么做的話，即使減少樣本大小，仍然需要花費很多時間。人的精力是有限的，復雜繁多的數(shù)據(jù)會讓我們耗費大量的時間和人力，并且還不能保證數(shù)據(jù)處理的準確性。

唯一一種可以跟上物聯(lián)網(wǎng)產(chǎn)生數(shù)據(jù)的速度，并可以挖掘數(shù)據(jù)中擁有的隱藏信息的方法就是利用機器學習能力。

維基百科將機器學習定義為“計算機科學（CS）和人工智能（AI）的子域，隨著系統(tǒng)的建設和研究，可以從數(shù)據(jù)中自行學習，而不是只遵循明確的程序指令?！痹谟形锫?lián)網(wǎng)的情況下，機器學習可以幫助企業(yè)將他們擁有的數(shù)十億個數(shù)據(jù)點歸結為真正有意義的信息。機器學習總的前提是一樣的，審查和分析你所收集的數(shù)據(jù)并從數(shù)據(jù)中學習“信息”，讓我們可以更好的做一些決定。

由此看來，我們沒有必要將人工智能（AI）和物聯(lián)網(wǎng)（IoT）區(qū)分開來。AI可以最大化IoT帶來的價值，而IoT能為AI提供所需的數(shù)據(jù)流，二者相輔相成，協(xié)同發(fā)展。而在未來，我也相信，物聯(lián)網(wǎng)與人工智能將為人類、為整個社會創(chuàng)造出更多的價值和更便捷、智能的生產(chǎn)生活。

更多資訊請關注工業(yè)機器人頻道