过去几年，围绕物联网的大部分讨论都集中在连网设备本身——它们是什么、有多少以及如何保护它们。

虽然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所生成的大量数据，以及通过分析可以从中获得的业务见解。当谈到为这些关键见解制定路线时，人工智能(AI)和机器学习(ML)是照亮道路的技术。

几十年来，数据分析主要涉及计算机编译和存储信息，并将其呈现给人类进行分析，这一过程比较缓慢、容易出错，并且无法解读隐藏在数据深处的趋势。这些缺点在物联网环境中更加严重，在物联网环境中，大量传感器和移动设备产生的数据量呈指数级增长。

网络巨头思科预计，到2022年，连网的物联网和移动设备数量将超过1200万台，其中移动网络流量将达到近1兆字节。并且当您将高速5G网络添加到组合中时，挑战会变得更加艰巨。

随着所有这些数据的堆积，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。通过将经过优化的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。神经网络利用了一组算法，而这些算法通过一系列计算层传递数据。这些层识别并提取图像、声音或文本等元素，然后最终得到所需的输出。

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，并一直致力于人工神经网络。但是，近年来发生的变化是，计算机的功能强大到足以处理大量数据，而这主要得益于具有增强并行计算能力的高性能GPU加速器。

与此同时，数据存储容量爆炸式增长，并且可用于训练机器的数据量激增。反馈给算法的数据越多，它们学习的速度就越快，性能也就越好。这对物联网来说是一个巨大的福音，它越来越依赖于挖掘和掌握数据中的模式。

同样重要的是，云已经被证明特别适合于机器学习训练和推理任务。

所有这些都使得先进的计算和分析能力成为了物联网系统的引擎。现在，各种规模的组织都可以利用人工智能和机器学习来控制来自物联网网络的数据洪流，获取实时见解，并制定出更好的业务决策，并享受更高的运营效率和更低的成本。