自計(jì)算機(jī)發(fā)明之后，人類一直在尋找“下一件改變世界的大事”。雖然當(dāng)下大多數(shù)人使用的手機(jī)都比最早問世的超級(jí)計(jì)算機(jī)快，但身處時(shí)代之中的人們，還是很少去認(rèn)識(shí)，或者反思世界變化的速度和方向。大數(shù)據(jù)、人工智能和物聯(lián)網(wǎng)是近年來被濫用最多的三個(gè)術(shù)語，許多人不知道這三個(gè)技術(shù)是如何聯(lián)系在一起的，也不知道它們?nèi)绾螢槲覀兯谕募夹g(shù)進(jìn)步鋪平的道路。

本文將闡述這些概念，并進(jìn)一步探討它們?cè)?a href="http://www.xsypw.cn/v/" target="_blank">工業(yè)中的重要性、面臨的阻礙以及未來的發(fā)展方向。1989年，在萬維網(wǎng)發(fā)布之后的幾年中，互連的機(jī)器數(shù)量大幅增加。1994年至2000年間，當(dāng)GPS變得切實(shí)可行時(shí)，計(jì)算機(jī)和連接設(shè)備產(chǎn)生的數(shù)據(jù)量急劇增加，該設(shè)備網(wǎng)絡(luò)的潛力很快就發(fā)揮出來了。

1999年，“物聯(lián)網(wǎng)”這個(gè)術(shù)語首先由麻省理工學(xué)院的凱文·阿什頓（Kevin Ashton）創(chuàng)造，他假設(shè)：“如果計(jì)算機(jī)知道世上所有事物的知識(shí)，那么它們會(huì)在沒有任何人類幫助的情況下使用自己收集的數(shù)據(jù)。這樣一來，我們能夠跟蹤并計(jì)算所有內(nèi)容，大大減少浪費(fèi)、損失和成本?！?/p>

隨著GPS技術(shù)的興起，RFID標(biāo)簽用于會(huì)員卡系統(tǒng)，掌上電腦市場(chǎng)升溫，企業(yè)能夠“看到”他們的流程，而且各種條件都非常適合信息爆炸的出現(xiàn)。由于現(xiàn)有工具處理的數(shù)據(jù)量過多，2005年，Roger Mougalas首次使用“大數(shù)據(jù)”這一術(shù)語。

2007年iPhone的推出標(biāo)志著“大數(shù)據(jù)”進(jìn)軍消費(fèi)領(lǐng)域，從那時(shí)起，智能手機(jī)、可穿戴設(shè)備、平板電腦和各種智能設(shè)備的崛起改變了我們對(duì)物理世界和數(shù)字世界的看法。與此同時(shí)，社交媒體和電子商務(wù)的興起也導(dǎo)致了“數(shù)字角色”概念的出現(xiàn)，數(shù)據(jù)的驚人價(jià)值越來越有目共睹。21世紀(jì)也出現(xiàn)了公司專門成立的數(shù)據(jù)部門，以幫助企業(yè)管理組織數(shù)據(jù)并用其來改進(jìn)流程。

聯(lián)合創(chuàng)始人兼LatentView Analytics主席Venkat Viswanathan在消費(fèi)者營(yíng)銷領(lǐng)域體驗(yàn)到了數(shù)據(jù)的力量，并對(duì)商業(yè)環(huán)境也產(chǎn)生了興趣。Viswanathan表示，“實(shí)現(xiàn)這一轉(zhuǎn)變是由于數(shù)字化的數(shù)據(jù)更加精細(xì)，公司正在從消費(fèi)者領(lǐng)域獲取創(chuàng)意，并將其應(yīng)用于行業(yè)中?！?/p>

工業(yè)環(huán)境已經(jīng)被用于技術(shù)和數(shù)據(jù)的收集，因?yàn)閮H使用數(shù)據(jù)就可實(shí)時(shí)影響下達(dá)的決策，如檢查壓力水平、溫度等。直到專業(yè)傳感器的數(shù)據(jù)變得精細(xì)化及存儲(chǔ)成本的下降時(shí)，人們才考慮將數(shù)據(jù)存儲(chǔ)起來供以后分析使用。Viswanathan說：“隨著存儲(chǔ)成本下降以及云存儲(chǔ)在過去5至8年間投入使用，我們終于有機(jī)會(huì)回顧歷史數(shù)據(jù)并發(fā)現(xiàn)數(shù)據(jù)當(dāng)中的模式?！?/p>

一旦數(shù)據(jù)存儲(chǔ)成為各個(gè)企業(yè)的可行選擇，云就可以收集龐大而詳細(xì)的數(shù)據(jù)集，人工智能終于有了堅(jiān)實(shí)的基礎(chǔ)。多年來，人工智能研究經(jīng)歷了多次研究，其中算法技術(shù)的發(fā)展由于興趣或投資的缺乏而陷入困境。隨著越來越多數(shù)據(jù)的可用性的增強(qiáng)，人工智能研究分為越來越細(xì)的應(yīng)用，最新一代算法在基礎(chǔ)領(lǐng)域取得了巨大的進(jìn)步，例如自然語言處理、計(jì)算機(jī)視覺和機(jī)器翻譯，這是因?yàn)槌霈F(xiàn)了數(shù)量巨大且可供學(xué)習(xí)的信息。

可用于訓(xùn)練的各種來源的數(shù)據(jù)的激增，使得人工智能系統(tǒng)獲得了巨大的改進(jìn)，這種現(xiàn)象被稱為“數(shù)據(jù)的不合理有效性”，這表明即使是簡(jiǎn)單的算法，只要有足夠的數(shù)據(jù)，也可以得出準(zhǔn)確的結(jié)論。結(jié)合幾十年的工作來完善這些算法，從而去執(zhí)行類人化的表現(xiàn)而完成特定的任務(wù)，人工智能終于有了值得全力以赴的一面——用于獲取有現(xiàn)實(shí)意義的結(jié)果。

大數(shù)據(jù)的發(fā)展必然推動(dòng)了人工智能領(lǐng)域，正如紅木軟件首席問題解決官Devin Gharibian-Saki所說：“人工智能系統(tǒng)的運(yùn)行基于統(tǒng)計(jì)模型，因此如果沒有大量數(shù)據(jù)來支持人工智能，就無法運(yùn)行人工智能?！?/p>

現(xiàn)在，我們可以運(yùn)用大量傳感器、物聯(lián)網(wǎng)設(shè)備，甚至是用戶數(shù)據(jù)，在所有業(yè)務(wù)領(lǐng)域進(jìn)行預(yù)測(cè)和決策，但前提是用戶必須了解這些數(shù)據(jù)的含義和來源?！澳惚仨氈滥阕罱K想要什么，否則，所有數(shù)據(jù)、技術(shù)和傳感器都是無用的?！盙haribian-Saki說道。特別是在一個(gè)任何可測(cè)量的環(huán)境中，數(shù)據(jù)丟失的風(fēng)險(xiǎn)比以往更大。企業(yè)必須記住，孤立地使用物聯(lián)網(wǎng)、大數(shù)據(jù)或人工智能無法快速取勝，Gharibian-Sak接著說：“我們總是尋找能夠解決所有問題的一個(gè)方案，但物聯(lián)網(wǎng)設(shè)備、傳感器、機(jī)器人技術(shù)和人工智能是同一系統(tǒng)中的不同所有組成部分，如果沒有這種整體觀點(diǎn)，將需要很長(zhǎng)時(shí)間才能取得巨大成功。”

物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能相互融合并創(chuàng)建自動(dòng)化生態(tài)系統(tǒng)。物聯(lián)網(wǎng)設(shè)備收集數(shù)百萬條標(biāo)準(zhǔn)的數(shù)據(jù)，然后在云中進(jìn)行整理，用于訓(xùn)練和改進(jìn)人工智能算法。物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能相互聯(lián)系，相互促進(jìn)。未來，必將帶來新世界的巨變。