机器学习才是IoT的核心，不是每一个恒温器都叫物联网设备！

猎云网 • 8年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

即使造价10亿美元的机器也无法替代医生这一存在。但一台仅25美元的机器却能够在人们需要看医生的紧要关头告知人们。

1996年，芝加哥库克县医院急诊室曾借助一种算法来判断胸痛患者何时有心脏病发作的危险，以达到供他们及时接受治疗的目的。通过使用一种基于流程图的、系统化的基本测试方法，该算法不仅快速有效，而且相当准确：它将超过70％的患者归类为低风险类别，并且其判断心脏病发作案例的准确率高达95%，而人类医生才仅为75-89％。在当时，这一实践并没有涉及任何的深度学习技术。

今年，考虑到全世界约有64亿个物联网设备正被使用，换句话说，几乎全球一人一个。就算其中只有1%会借助物联网设备收集来的关于脉搏、饮食或睡眠的数据信息来分析人们的健康状况，那么这也等同于将全球的医生覆盖范围扩大至五倍之多。

不过，此类设备真正的魔力源于机器学习技术。除了将这种特殊的算法应用到更多的地方以外，即使在连有数十年经验的医生都看不出模式的情形下，这种量级的数据收集也已然发现了新模式。例如，Fitbit手环注意到你的脉搏波动，其状况与心脏病高度相似，因而它便能够及时提醒你到医院接受治疗。机器学习意味着解决那些家常设备无法解决的问题。

但是，当IBM的Watson和谷歌的DeepMind开始在一些领域（诸如电视智力竞赛节目Jeopardy和围棋）完胜人类时，机器学习已然成为了一个潜在的问题。而如今的问题是：如果Fitbit能够拯救你的生命，而 Nike+ Fuel Band却不能，那你会选择哪一个？

“智能”的真正价值

在形形色色的“智能”设备中，那些配备有机器学习技术的设备成为市场领军人物，并不奇怪。以Nest为例，作为一款典型的智能设备，人们不会仅仅因为它可以借助手机应用来控制室内温度而选择花钱购买。人们入手的原因在于其节能功能，它能够以一种智能的方法来解决先前无法解决的问题。比如，根据人们的存在和需求来自动调整室内温度。

不过，大多数制造商都只追求产品的便利性。飞利浦HUE系列电灯虽然设计精美，但其“智能”标签，也只是因为它支持手机控制。便利性并不是一个需要解决的问题。你不会因为能够自行打开电灯而认定人类智能。所以，同样的道理，我们为什么要给这类设备贴上智能标签呢？

消费者物联网设备中缺乏的真正意义上的智能特性，也是阻碍他们推广普及的因素之一。支持远程访问的门锁或者当人们回家时自动启动的音响都只是些奢侈品，他们的消费群体几乎都是上层阶级。

机器学习可以将人们的愿景变成必需品：恒温器既能保持温暖，又能节能省钱；睡眠或健身的可穿戴设备，给人们个性化的提示；环境监测器可以诊断和对抗污染源，以防止家人受到伤害。

机器学习将成为PK的赛事点

那些具备机器学习功能的产品与并不具备的相比，更有吸引力。但机器学习的本质意味着，在竞争产品中，那些在机器学习领域研究地更加深入的设备会长期地保持自己的竞争优势。

正是有了云技术的帮助，机器学习技术在设备中的运作既没有引发设计问题（设备只需要支持联网），也没有引发硬件问题（繁杂的处理任务可以远程控制）。它所要面临的是人才问题，因为有才华的工程师是十分罕见的，但只要有足够的资金，它便可以得到解决。此外，比人才更为重要的是，数据问题。

为了使计算机能够可靠地研究不同的模式，就需要海量的数据集。它需要考虑诸多因素，从用户偏好到使用案例，再到环境等。但这些因素很多甚至大多数都是与时间相关联的：使用频率、行为频率、条件频率、用户行为随时间的变化、环境的季节性变化等。

1亿个连接稳定的设备部署，并不会使得公司加速取得进展。比竞争对手领先6个月的优势，也并不会因为对方获得更多的用户或者融资而消失殆尽。从根本上来看，你的数据需要远胜于他们，这不仅要求读数的准确性，还要求早期支持的功能数量足够可靠，能够作为成品推出。只要持续保持活跃状态，你就能够一直领先，使得竞争对手望尘莫及。