我们都熟悉“人工智能”这个词。毕竟，它一直是《终结者》、《黑客帝国》和《机械姬》（我个人最喜欢的）等电影的热门焦点。但您最近可能听说过其他术语，例如“机器学习”和“深度学习”，它们有时可与人工智能互换使用。因此，人工智能、机器学习和深度学习之间的区别可能非常模糊。我将首先快速解释什么是人工智能(AI)、机器学习(ML)和深度学习(DL)，以及它们之间的区别。然后，我将分享AI和IoT如何密不可分地交织在一起，几项技术进步同时结合在一起，为AI和IoT的爆炸式增长奠定了基础。那么AI、ML和DL之间有什么区别？人工智能由约翰·麦卡锡(JohnMcCarthy)于1956年首次提出，涉及可以执行具有人类智能特征的任务的机器。虽然这很广泛，但它包括计划、理解语言、识别物体和声音、学习和解决问题等等。我们可以把人工智能分为两大类，通用的和狭义的。AGI将具有人类智能的所有特征，包括上述能力。狭义AI展示了人类智能的某些方面并且做得很好，但在其他方面却有所欠缺。一台擅长识别图像但仅此而已的机器将是狭义人工智能的一个例子。从本质上讲，机器学习只是实现人工智能的一种方式。ArthurSamuel在人工智能出现后不久于1959年创造了这个词，将其定义为“无需明确编程即可学习的能力”。你看，你可以在不使用机器学习的情况下获得人工智能，但这需要构建数百万行具有复杂规则和决策树的代码。因此，机器学习不是使用特定指令完成特定任务的硬编码软件例程，而是一种“训练”算法的方式，以便它可以学习如何学习。“训练”涉及向算法提供大量数据并允许算法自我调整和改进。例如，机器学习已被用于对计算机视觉（机器识别图像或视频中的对象的能力）进行重大改进。您收集数十万甚至数百万张图像并让人类标记它们。例如，人类可能会标记有猫的图片和没有猫的图片。然后，该算法会尝试建立一个模型，该模型可以准确地将图片标记为包含猫或不包含人。一旦准确率足够高，机器现在就“学会”了一只猫的样子。深度学习是机器学习的众多方法之一。其他方法包括决策树学习、归纳逻辑编程、聚类、强化学习和贝叶斯网络等。深度学习的灵感来自大脑的结构和功能，以及许多神经元的相互联系。人工神经网络(ANN)是模拟大脑生物结构的算法。在ANN中，存在具有离散层和与其他“神经元”连接的“神经元”。每层选择一个特定的特征来学习，例如图像识别中的曲线/边缘。正是这种分层给了深度学习它的名字，深度是通过使用多层而不是单个层来创建的。人工智能和物联网密不可分我认为人工智能和物联网之间的关系就像人脑和身体之间的关系。我们的身体收集感官输入，例如视觉、声音和触觉。我们的大脑获取这些数据并加以理解，将光转化为可识别的物体，将声音转化为可理解的语言。然后我们的大脑做出决定，将信号发送回身体以指导动作，例如拿起物体或说话。构成物联网的所有连接传感器就像我们的身体一样，它们提供有关世界上正在发生的事情的原始数据。人工智能就像我们的大脑，理解这些数据并决定做什么。物联网的连接设备再次像我们的身体一样，执行物理动作或与他人通信。释放彼此的潜力AI和IoT的价值和承诺是通过彼此实现的。近年来，机器学习和深度学习带来了人工智能的巨大飞跃。如上所述，机器学习和深度学习需要大量数据才能工作，而这些数据是由物联网中不断联机的数十亿个传感器收集的。物联网让人工智能变得更好。改进人工智能也将推动物联网的采用，创造一个良性循环，这两个领域都将急剧加速。那是因为人工智能让物联网变得有用。在工业中，人工智能可用于预测机器何时需要维护或分析制造过程以大幅提高效率，从而节省数百万美元。在消费者方面，技术可以适应我们，而不是非要适应技术。无需点击、键入和搜索，我们只需询问机器我们需要什么。我们可能会询问诸如天气之类的信息或诸如让房子准备就寝的行动（调低恒温器、锁上门、关灯等）。使这种缩小计算机芯片成为可能的融合技术进步和改进的制造技术意味着更便宜、更强大的传感器。快速改进的电池技术意味着这些传感器可以在不连接电源的情况下使用多年。智能手机的出现推动了无线连接，这意味着可以廉价地大量发送数据，从而允许所有这些传感器将数据发送到云端。云的诞生允许对这些数据进行几乎无限的存储和几乎无限的计算能力来处理它。当然，对于人工智能对我们的社会和未来的影响，也存在一些担忧。但随着人工智能和物联网的进步和采用不断加速，有一件事是肯定的；影响将是深远的。
