說到傳感器，大家首先想到的應該是可穿戴設(shè)備。現(xiàn)在，可穿戴設(shè)備已經(jīng)廣泛傳播，F(xiàn)itbit、Garmin等都已經(jīng)融入了我們的生活。而很多人不知道的是：我們也能用傳感器來檢測鋼筋水泥城市中的高樓和橋梁，還能用它們來跟蹤動物昆蟲的行動軌跡。

隨著物聯(lián)網(wǎng)的飛速發(fā)展，將來十年中將會有數(shù)百億個傳感器設(shè)備融入我們生活的方方面面，從工業(yè)部門到健康部門，從經(jīng)濟部門到軍事部門，傳感器讓生產(chǎn)效率更高，讓生活更美好。

以下是2013年到2020年物聯(lián)網(wǎng)創(chuàng)造的價值：

不過，雖然物聯(lián)網(wǎng)設(shè)備運用廣泛、價值重大，這些設(shè)備都有自己應用的范圍，設(shè)備的性能決定了它們的使用地點、環(huán)境和人群。

讓AI和物聯(lián)網(wǎng)結(jié)合

因此，如果我們將AI引進物聯(lián)網(wǎng)會怎樣呢？有了AI，這些設(shè)備將能改變它們應用的范圍。就像人類可以慢慢適應陌生的環(huán)境，即使較小的物聯(lián)網(wǎng)設(shè)備也可以與AI機器相適應。

就拿智能手機來說，用戶可以根據(jù)自身的喜好下載app， 隨時升級或卸載app，讓手機變得獨一無二。

而如果手機可以通過統(tǒng)計我們的app，從而學習我們的喜好呢？這可以讓個性化過程變得自動化。

但如果你并沒有向設(shè)備表達自己的喜好，那么它們還會了解你嗎？很明顯，設(shè)備并不能。

這時，AI的作用就突顯出了：它能讓手機更快地學習。

讓設(shè)備相互學習

兩只相近的智能手機可以相互學習，它們能夠運行自己的AI機器，并能分享自己程序的邏輯塊，來加速學習。比如，它們可以相互學習如何保持電池的壽命。

設(shè)備之所以能夠相互學習，背后有兩個原因。首先，每臺手機都可以獨立學習，來發(fā)展自己的基因材料。在演化計算中，這叫做“島嶼模式”。在物聯(lián)網(wǎng)中，每臺設(shè)備都能變成自己的“島嶼”。

此外，這些設(shè)備能夠分享他們學習到的東西。這將增加基因庫的多樣性，對于能夠?qū)W習或是進化的系統(tǒng)很有幫助。這也意味著這些設(shè)備知道如何更好地適應新的環(huán)境。

AI和物聯(lián)網(wǎng)設(shè)備的結(jié)合，與動物跟蹤機制有些相似。將傳感器安裝到動物耳部的皮革或金屬耳標上，就能跟蹤野生動物、寵物和家畜的活動。

為了跟蹤更加精確的信息，每臺設(shè)備需要學習動物的行動特征（比如物種、年齡、性別等），而這些都可在AI的幫助下進行。

那在跟蹤動物之時，設(shè)備怎么相互學習呢？當兩只動物相遇，物聯(lián)網(wǎng)設(shè)備就能分享它們學習到的內(nèi)容，這樣兩臺設(shè)備就能相互進步，并能將之運用于其他相似的動物特征研究之上。

讓傳感器預測錯誤

物聯(lián)網(wǎng)的分享和學習功能所造福的不只是動物和人類，它還能檢測城市橋梁、道路的狀況。

在很多情況下，因為較高的成本和較遠的距離，這些設(shè)備并不能聯(lián)網(wǎng)，但是它們能就地收集信息，并能學習傳感器數(shù)據(jù)的特定模式，來預測錯誤。

因為錯誤非常少，因此與臨近設(shè)備分享的信息能夠構(gòu)成更大的數(shù)據(jù)庫，來訓練其他的設(shè)備，而這些設(shè)備可能不曾遇到過錯誤。

不過，說到如何讓物聯(lián)網(wǎng)設(shè)備從現(xiàn)實中學習，我們還有很多問題尚待解決。如果設(shè)備分享信息，那么會泄露用戶的隱私嗎？這就需要看看這些信息是否具有特殊意義了。比如，包含遺傳程序的信息是不可分享的。

一部物聯(lián)網(wǎng)設(shè)備也需要確保在它與新的環(huán)境反應之時，同時持續(xù)執(zhí)行任務。我們需要運用適當?shù)陌踩刂疲热鐬樵O(shè)備設(shè)定硬性限制，規(guī)定它可以學習什么，不可以學習什么。

另一個問題就是：設(shè)備如何決定了哪一臺臨近的設(shè)備值得信賴？如果惡性設(shè)備進入設(shè)備所處的環(huán)境，設(shè)備該怎么辦？這都是亟待解決的問題。

因此， AI和物聯(lián)網(wǎng)的結(jié)合將會為我們的生活帶來極大的便利。但是，因為現(xiàn)在AI還處于低級階段，因此其與物聯(lián)網(wǎng)的結(jié)合應用也處于嬰兒期。雖然它潛力巨大，但仍需我們的研究、dao和調(diào)查。

責任編輯：ct