在过去的几年中，围绕物联网的许多讨论都集中在所连接的设备本身，即它们是什么，有多少个设备以及如何保护它们。尽管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获得的业务洞察力。在为这些关键见解设定路线时，人工智能（AI）和机器学习（ML）是开辟道路的技术。几十年来，数据分析主要涉及计算机来编译和存储信息并将其呈现给人类进行分析。这个过程很慢，容易出错，并且无法解释隐藏在数据深处的趋势。这些缺点在物联网环境中更为严重，在该环境中，大量传感器和移动设备生成的数据量呈指数增长。网络巨头思科预测，到2022年，物联网和连接到互联网的移动设备的数量将超过1200万，其中移动网络流量将达到近1兆字节。当您将高速5G网络添加到组合中时，挑战将变得更加艰巨。随着所有这些数据的积累，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排序，从中学习并找到可用于指导业务决策，做出预测，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以了解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。神经网络使用一组算法，这些算法通过一系列计算层传递数据。这些层识别并提取诸如图像，声音或文本之类的元素，然后最终获得所需的输出。人工智能和相关学科并不新鲜。自1990年代以来，科学家一直在研究人工智能，并且一直在研究人工神经网络。但是，近年来发生的变化是计算机功能强大，足以处理大量数据，这主要是由于具有增强的并行计算功能的高性能GPU加速器所致。同时，数据存储容量猛增，可用于训练机器的数据量猛增。反馈给算法的数据越多，它们学习的速度就越快，性能也越好。对于物联网而言，这是一个巨大的福音，物联网越来越依赖于数据的挖掘和掌握模式。同样重要的是，事实证明云特别适合于机器学习训练和推理任务。所有这些使高级计算和分析功能成为了物联网系统的引擎。现在，各种规模的组织都可以使用人工智能和机器学习来控制IoT网络中的数据洪流，获得实时见解，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。