人工智能和机器学习在物联网潜力方面的作用

　　如今，人们看到越来越多的企业投资人工智能和物联网技术，并且已经开始创造新的市场和机遇。

　　调研机构Gartner公司预测，到2022年，超过80%的企业物联网项目将包括人工智能技术和组件，而目前只有10%。

　　简单来说，物联网（IoT）就是将设备连接到互联网，因此他们能够根据收集的数据对情况作出反应。随着物联网的业务潜力通过创新的用例不断实现，也得到了大量的宣传和炒作。

　　但物联网本身就是无价之宝吗？并且收集的数据很重要吗？毕竟，如果没有数据和解释能力，物联网采用的只是一堆传感器收集的无法使用的信息。

　　如果不考虑物联网，那么投资回报率呢？

　　这是一个很重要的问题；*终，它涉及到企业如何从其物联网部署中获得价值。

　　说实话，目前物联网模型的发展现状还不够好。传输传感器收集的大量数据的概念既不可持续，也不经济。

　　思科公司在2017年公布了一项调查结果表明，76%的企业采用的物联网计划遭遇失败，而大多数人认为他们的物联网计划在理论上看起来很好，结果证明它们比*初的预期更复杂。

　　物联网对商业世界有着很多承诺，企业为此可以获得更多的洞察力，支持远程操作，并提高效率。相反，他们只是得到了更多的数据（而“大数据”还没有让人们失望）。

　　人工智能的帮助

　　德勤会计师事务所总经理David Schatsky表示，多亏有了人工智能，人们还有希望。在谈到信息时代时，他解释了人工智能能够快速从数据中提取见解的原因，这使得它可以有效协助物联网部署。

　　他说：“多年来，人们一直在说‘我们收集了这么多数据，却不知道该怎么处理’，但我相信人工智能在一定程度上是这个问题的答案。有了人工智能，可以收集大量信息，从中找到基本模式和见解，并实现自动化，简化了使用数据的过程。”

　　市场似乎也对这一现实做出了反应。Gartner公司预测，到2022年，超过80%的企业物联网项目将包括人工智能组件，而目前只有10%。

　　根据Gartner公司的调查，尽管人工智能的技术前景非常复杂，但许多IT供应商在人工智能方面投入了大量资金，希望能够通过人工智能从广泛的物联网信息、视频、静态图像、语音和网络流量活动到传感器数据，取得良好的效果。

　　人工智能和机器学习在物联网潜力方面的作用

　　根据Schatsky的说法，人工智能在提高运营效率和加强风险管理等方面对物联网非常有用。对他而言，所有这些都与预测分析有关，人工智能和机器学习使得识别恒定数据流中的模式成为可能。

　　他说：“可以从声音设备制造、设备产生的温度、振动或气味等方面收集数据，这可能表明从正常到异常的变化。因此，假设可以捕获这些数据，并使用它自动检测某个异常情况，并使用该数据预测可能发生故障的时间，从而使企业能够以有序的方式安排维修或维护。”

　　在制造业方面，德勤公司发现预测性维护可以将维护计划所需的时间缩短20%-50%，将设备正常运行时间和可用性提高10%-20%，并将总体维护成本降低5%-10%。

　　采用人工智能技术，企业还可以监控更多的数据点。可以使运输管理等领域获得帮助。例如，Cloudera公司声称其运输管理人工智能解决方案可以减少交通运输的拥堵时间，*多可降低40%。

　　启用新产品和服务

　　Schatsky还认为，人工智能和物联网的结合可以催生改进的产品和服务，Schatsky说：“每个人似乎都知道的一个例子就是智能音箱，如Alexa和Siri。如果没有物联网和人工智能的结合，这两种产品将不会存在。”

　　人工智能提供语音识别技术，物联网连接音箱设备，可以帮助收集和响应所说的内容。

　　此外他指出，得益于人工智能，企业可以使用物联网设备从其销售的产品中收集数据，并对其使用情况产生见解。

　　他补充说：“由于采用人工智能技术，拥有可嵌入智能的设备创造了一系列以前不可能存在的新产品。”

　　Schatsky声称，企业也在寻找通过销售服务来实现人工智能洞察力的方法。

　　他说，“想象一下，建筑设备制造商能够以可控的成本提供产品和维护服务，因为他们了解什么时候会发生故障。因此，提供了以前不可能提供的各种服务，因为企业可能盲目操作，无法经济有效地提供这种服务。”

　　面临的挑战

　　当然，将人工智能和物联网结合起来并不是一件容易的事；它不仅需要大量的投资，而且还需要新的技能和专业知识。但是，管理收集的数据的能力可能是*突出的挑战。

　　Schatsky警告说：“企业经常认为他们拥有大量的数据，这些数据对于分析人工智能并从中获取价值的时机已经成熟。但很多时候，它比现实更具潜力，因为数据可能没有放在正确的场合或格式不对，或者不干净。因此，*重要的挑战之一就是成为有效的数据管理者。”

　　与此同时，人们还必须记住，构建具有智能的人工智能算法通常只是物联网整体解决方案的一部分。更重要的挑战是集成所有设备和数据。