过去几年围绕物联网的大部分讨论都集中在互联设备本身——它们是什么、有多少以及如何保护它们。虽然所有这些小端点都很重要，但在物联网中更重要的是这些设备生成的大量数据，以及可以通过分析从中收集的业务洞察力。在为这些关键洞察制定路线图时，人工智能(AI)和机器学习(ML)是照亮道路的技术。几十年来，数据分析主要涉及计算机编译和存储信息并将其呈现给人类进行分析，这是一个缓慢、容易出错且无法破译隐藏在数据深处的趋势的过程。这些缺点在IoT环境中更加严重，其中由大量传感器和移动设备生成的数据量呈指数级增长。网络巨头思科预计，到2022年，连接的物联网和移动设备数量将超过1200万，移动网络流量将达到近1TB。当您将高速5G网络加入其中时，挑战变得更加困难。随着所有这些数据的堆积，人工智能及其子集、机器学习(ML)和深度学习已成为关键工具。机器学习使用算法对数据进行分类，从中学习并找到可用于指导业务决策、进行预测、提供警报和解决问题的模式和趋势。通过将优化算法应用于大量数据，可以训练机器学习系统学习如何完成工作并适应变化。深度学习使用神经网络，其功能类似于人脑。神经网络利用一组算法通过一系列计算层传递数据。这些层识别和提取图像、声音或文本等元素，然后最终得到所需的输出。人工智能和相关学科并不新鲜。自1990年代以来，科学家们一直在研究人工智能，并一直在研究人工神经网络。然而，近年来发生的变化是，计算机已经足够强大，可以处理大量数据，这在很大程度上要归功于具有增强的并行计算能力的高性能GPU加速器。与此同时，数据存储容量呈爆炸式增长，训练机器可用的数据量呈爆炸式增长。反馈给算法的数据越多，它们学习的速度就越快，性能就越好。这对物联网来说是一个巨大的福音，物联网越来越依赖于数据中的挖掘和掌握模式。同样重要的是，云已被证明特别适合机器学习训练和推理任务。所有这些都使高级计算和分析功能成为物联网系统的引擎。各种规模的组织现在都可以利用人工智能和机器学习来控制来自物联网网络的海量数据，获得实时洞察力，做出更好的业务决策，并享受更高的运营效率和更低的成本。
