使用人工智学来创造思维，学习事物

下一代物联网平台可能是一个使事物成为思考，学习对象的人。想象一下，您的智能手表不仅可以预测您何时会发作心脏病发作，还可以感觉到黑客何时试图访问您的个人数据。

用“大脑”增强事物的方法是通过人工智能（AI）增强它们。让我们称之为Aiot，是事物的人工智能。

今年显示了对AI的高峰投资，仅在美国，一开始就筹集了15亿美元，我敢肯定，我们很快就会看到这些投资的成果。想像AI将扮演角色我们需要了解AI是什么，而不是什么。

AI是一种由统计模型供电的算法，允许AI通过反馈循环“学习”。因此，应用算法使用预定义的规则来基于其决策，而不是确定模型，而是应用了其他模型。

例如，Google使用一种称为的技术深度学习;该领域的大部分工作都受到人脑工作方式的启发。这些模型不再是确定性的，因此可能意味着AI如何做出某个决定可能会变得不透明。这可能导致不可预见的情况；见证微软的AI聊天机器人通过分析Twitter提要在数小时内学会了种族主义。

人工智能会变得无所不知吗？当前的AI肯定不会，他们经过特定领域的培训，将无法在其他情况下应用这些知识。例如，最近的僵尸网络攻击通过渗透到连接的DVR和相机等内容，撞车了几个引人注目的网站。如果它们被AI增强，事情可能会感觉到交通超负荷并关闭它们。

那么AI将在哪里增加物联网？最有可能的领域将是制造业，该行业已经在物联网上花费了大量费用。这用例该制造业正在用AI进行攻击预测性维护。他们正在这样做的AI形式称为机器学习。

制造商正在追逐预测性维护，因为有一些真实且有形的好处。低悬挂的水果增加了正常运行时间，而计划外的停机时间较小，从而使组织能够降低维护和维修成本。

但是还有更多的危险。拥有这些功能将使制造商能够采用新的商业模式来更好地在市场上竞争。例如，在某些地区，有必要从资本密集型投资转变为从资本支出到OPEX的更多运营投资。因此，只有在使用固定价格的机器时，就没有以固定价格提供机器。物联网将允许使用使用量。

副作用是，当机器分解时，不会支付制造商，因此正常运行时间符合他的直接利益，同样是商品的寿命。如果可以延长寿命，则租金的边距将上升。具有预测性维护功能对于实现这些目标至关重要。

如果预测性维护如此重要，为什么还没有完全采用？好吧，有一些陡峭的障碍。缺乏可靠的传感器来监视机器的性能和行为，这是一个，将可靠的连接到商店地板操作中的挑战是另一个。两者都是收集测试统计模型所需数据的先决条件。

然后缺乏可以预测行为的统计模型，这主要是因为缺乏可以构建和测试这些模型的数据科学家。现实世界很复杂；机器在各种条件下运到各处。例如，机器的振动将基于其所构成的地板类型的影响；木地板的影响与混凝土的影响不同。

制造商通常以不同的版本和型号制作许多不同的机器。这些机器通常是通过不同供应商和供应商订购的零件建造的。尽管设计师倾向于将质量设置为某些标准，但第三方供应商提供的备件可能会略有不同，以看不见的方式削弱了模型。

我们确定，确定性模型将不足以有效地处理上述情况，并且应对这些挑战的唯一前进是AI启发的实时分析方法。

所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。