不得不說，人工智能與物聯(lián)網(wǎng)是當(dāng)下科技領(lǐng)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(jìn)，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(guān)系呢？

細(xì)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(yīng)用拓展，與其說物聯(lián)網(wǎng)是網(wǎng)絡(luò)，不如說物聯(lián)網(wǎng)是業(yè)務(wù)和應(yīng)用。因此，應(yīng)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(luò)層，應(yīng)用層。

感知層相當(dāng)于人的感官和神經(jīng)末梢，用來感知和采集應(yīng)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(luò)層相當(dāng)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(shù)和標(biāo)準(zhǔn)，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(luò)的發(fā)展方向。目前新的通訊技術(shù)和標(biāo)準(zhǔn)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(shù)，一統(tǒng)江湖。

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

而關(guān)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(xué)習(xí)、進(jìn)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(xué)習(xí)進(jìn)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(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)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(yīng)的智能機器，該領(lǐng)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(yù)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(xué)習(xí)的數(shù)據(jù)越多，其預(yù)測的準(zhǔn)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(fù)了一個至關(guān)重要的任務(wù)：資料收集。物聯(lián)網(wǎng)可連接大量不同的設(shè)備及裝置，包括：家用電器和穿戴式設(shè)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(lǐng)域越來越火熱，應(yīng)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(biāo)顯然是邁向門檻更高階段的強人工智能。

人工智能領(lǐng)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(xué)習(xí)、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(lǐng)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(yīng)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(rèn)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(yù)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(yù)測性維護(hù)設(shè)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(shè)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(shè)備與傳感器還會繼續(xù)快速擴張，而由這些設(shè)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(shè)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(fù)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(zhǔn)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(xué)習(xí)能力。

維基百科將機器學(xué)習(xí)定義為“計算機科學(xué)（CS）和人工智能（AI）的子域，隨著系統(tǒng)的建設(shè)和研究，可以從數(shù)據(jù)中自行學(xué)習(xí)，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(xué)習(xí)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(jié)為真正有意義的信息。機器學(xué)習(xí)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(xué)習(xí)“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(guān)注工業(yè)機器人頻道

（本文由中國傳動網(wǎng)整理發(fā)布，部分資料來源于搜狐財經(jīng)、雷鋒網(wǎng)、界面、物聯(lián)網(wǎng)之家、控制工程網(wǎng)）