1.1 物聯(lián)網(wǎng)和人工智能

既然說到了物聯(lián)網(wǎng)，那么這里有必要再提一下人工智能。

人工智能可謂近年來IT領(lǐng)域最火的詞語之一。人工智能的概念是在1956年提出的，之前一直不溫不火，直到最近幾年才飛速發(fā)展，尤其是以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)，發(fā)展尤為迅速。

縱觀人工智能的發(fā)展路線，我們可以看到，人工智能的發(fā)展之所以能夠突飛猛進(jìn)，主要有以下兩個(gè)原因。

● 硬件的發(fā)展使得深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間迅速縮短。

● 在大數(shù)據(jù)時(shí)代，獲取大量數(shù)據(jù)的成本變低。

事實(shí)上，第二個(gè)原因尤為重要，神經(jīng)網(wǎng)絡(luò)由于其特性，需要海量的數(shù)據(jù)進(jìn)行學(xué)習(xí)，可供學(xué)習(xí)的有效數(shù)據(jù)量往往決定了最后訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)的效果，甚至算法的重要性都可以排在有效數(shù)據(jù)量之后。

而物聯(lián)網(wǎng)設(shè)備，比如智能家電、可穿戴設(shè)備等，每天都在產(chǎn)生海量數(shù)據(jù)，這些數(shù)據(jù)經(jīng)過處理和清洗后，都可以作為不錯(cuò)的訓(xùn)練數(shù)據(jù)反哺神經(jīng)網(wǎng)絡(luò)。同時(shí)，訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)又可以重新應(yīng)用到物聯(lián)網(wǎng)設(shè)備中，進(jìn)而形成一個(gè)良性循環(huán)。這里舉個(gè)例子，通過交通探頭，我們可以采集大量的實(shí)時(shí)交通圖片。經(jīng)過處理，我們把圖片“喂給”神經(jīng)網(wǎng)絡(luò)，比如SSD（Single Shot MultiBox Detector，單次多框檢測(cè)器）。SSD先學(xué)會(huì)在圖片中標(biāo)注出人和汽車的位置，然后把模型部署到探頭端，接著探頭就可以利用深度學(xué)習(xí)的結(jié)果，實(shí)時(shí)分析人流和車流情況了。

圖1-1所示為物聯(lián)網(wǎng)應(yīng)用人工智能方法進(jìn)行數(shù)據(jù)采集-迭代的循環(huán)。通過物聯(lián)網(wǎng)設(shè)備采集訓(xùn)練數(shù)據(jù)，在數(shù)據(jù)中心完成訓(xùn)練后，將模型應(yīng)用到物聯(lián)網(wǎng)設(shè)備，并評(píng)估效果進(jìn)行下一次迭代。

物聯(lián)網(wǎng)是人工智能落地的一個(gè)非常好的應(yīng)用場(chǎng)景。隨著人工智能的迅速發(fā)展，物聯(lián)網(wǎng)這個(gè)同樣在很多年前就提出的理論和技術(shù)，也會(huì)迎來新的春天。

目前，互聯(lián)網(wǎng)數(shù)據(jù)入口漸漸朝著幾大巨頭（例如阿里、騰訊）匯聚，規(guī)模較小的公司獲取數(shù)據(jù)的代價(jià)越來越高，物聯(lián)網(wǎng)這塊還未完全開發(fā)的數(shù)據(jù)領(lǐng)域顯得尤為重要。

這也是本書側(cè)重于物聯(lián)網(wǎng)平臺(tái)開發(fā)而略過前端設(shè)備開發(fā)的原因，因?yàn)榍岸嗽O(shè)備最終會(huì)趨于相同，出現(xiàn)同質(zhì)化競(jìng)爭(zhēng)，而如何采集和使用好設(shè)備產(chǎn)生的海量數(shù)據(jù)，才是能否具有競(jìng)爭(zhēng)優(yōu)勢(shì)的決定性因素。