物聯網 (IoT)、機器學習 (ML) 和人工智能 (AI) 可以通過許多方式連接或重疊。IoT 可能包含使用機器學習和人工智能的設備。AI 通常被描述為模仿智能特性的機器應用程序。ML 是 AI 的一個子集，可讓機器從它可以訪問的數據中學習。
一些關鍵定義
基本的 AI 可以服務一個非常狹窄的目的，並在特定應用程序中表現出色，但在最簡單的形式，AI 仍然完全依賴其程序員進行基於規則的指導。基於規則的 AI 知道「如果 X 發生，我應該做 Y。」如果發生「X」以外的事情，AI 將會失去力，並且無法適應或從情況中學習。
機器學習 AI 是應該以類似人類的方式學習的應用程序。它會採用資料、預測理解，並根據學習的內容做出未來決策，並採取未來的行動。
物聯網設備在互聯的感測器雲中運作，在許多情況下由基於規則系統中的 AI 提供支持。您的智能恆溫器可以根據您的智能手機位置和其活動傳感器來了解您的時間表。然後它可以根據這些因素調整其排程。如果您有安全攝像頭或攝像頭門鈴，它們將在檢測到運動時開始錄製。這些 IoT 設備根據特定觸發器運行。
讓我們不要忘記 IIOT
物聯網肯定不僅存在於您的家中。它們最大的影響可能在各種行業中發現，它們經常被稱為 IIoT（工業物聯網）。公司正在開發農業 IIoT 感測器，可監控土壤條件和水分水平（溫度，濕度，太陽輻射等）。
航空公司正在使用 IIoT 感測器來跟踪整個車隊的燃油效率，並更好地了解其飛機的維護需求。製造商正在使用連接到 EAM 工廠軟體的 IIoT 感測器來追蹤機械性能，並在故障發生之前自動排程維護，從而降低維修成本並改善正常運行時間。
克服複雜性
物聯網和 IIoT 設備和感測器的複雜性可能會大幅有所不同，從家中的低成本安全或寵物攝像機，到用於監控複雜機械和結構完整性的高先進工業感測器。
即使是相對基本的設備也可能具有某種形式的 AI，但是可能遇到意想不到的情況並需要進行正確的電話的更先進系統，可能會從某種程度的機器學習中受益。
可以從故障中學習並在未來識別和報告相關警告信號的 IIoT 網絡比僅查找人類設置的特定參數的編程式規則系統更具潛力。
當 IIoT 跨越車輛和飛機車隊或數百萬英畝的農作物時，這特別是如此。可以從所有數據中獲得的信息量可以更好地分析和分類 在收集資訊的邊緣上的機器學習 AI 而不是將所有這些信息收集並發送（需要很大的頻寬）給人類以便更慢的分析。
對我們來說很簡單的，機器很難學習
想想一個相對簡單的任務，例如在辦公大樓中分發實物郵件。大多數工作，即使是基本的工作，都可以分成幾個較小的動作，每個操作都需要完美執行，才能成功完成整個任務。
負責郵件分發的機器人需要導航到郵件室，取郵件，穿過門，可能乘電梯，在艙間的通道上導航，自行調整到一個艙房，在書桌上放置郵件，不會翻倒物件或破壞包裹中的東西，退出房間，根據標籤識別下一個房間等。它也可以獲益於能夠繞過可能阻擋其路徑的意外障礙物。
在機器學習中，有幾個不同的學科。加強學習或深度強化學習允許機器通過試驗和錯誤學習。他們以不足的意見做出決定，並根據結果學習。
物聯網、人工智慧和機器學習的下一步
甚至還有更新的 AI 機器學習策略，例如使用模擬來教授單獨的神經網絡特定任務的多專家學習架構（MELA）。
科學機器人最近的一篇研究文章， 適應性腿部運動的多專家學習，詳細介紹了一群研究人員如何利用 MELA 開發一個四腳機器人，這些機器人通過機器學習訓練的專家系統可以更好地適應危險，這些機器人都通過機器學習進行訓練，以執行跑步，左轉，右轉，跌倒後恢復，翻轉等工作。
機器學習 —— 人工智慧的一個方面 — 仍處於早期。有些應用程式，物聯網或 IIoT 感測器作為這些複雜系統的眼睛、耳朵和感官輸入，因為它們不斷改進和不斷開發新的功能和實際功能。
立即聯繫並了解更多 我們如何協助您實現 AI 和 HPC 基礎設施專案目標。我們的團隊設計、建置、部署和管理高效能、高可用性的企業解決方案，使客戶能夠實現突破性的創新。
