自从计算机首次发明以来，人们一直在寻找“下一件大事”。现在，由于近一半的世界拥有的手机速度比最早的超级计算机快，因此很难跟踪我们应该注意的事项。虽然许多利用强大技术的发明几乎没有成为头条新闻（有人见过智能冰箱吗？），但是使它们成为可能的进步常常成为同样炒作的牺牲品。
大数据，人工智能和物联网是近期最广泛滥用的三个术语，许多人不知道这些技术是如何联系在一起的，或者它们如何为我们所期望的技术进步铺平道路。本文将揭示这些概念，进一步深入探讨其在行业的重要性，他们所面临的障碍和什么样的未来。
信息大爆炸
在1989年万维网发布之后的几年中，相互连接的机器数量大幅增加，当GPS在1994年至2000年间变得可行时，计算机和连接设备产生的数据量急剧增加。 这个设备网络的潜力很快就实现了，1999年，“物联网”这个术语首先由麻省理工学院的凯文·阿什顿（Kevin Ashton）创造，他假设：“如果我们的计算机知道所有关于事物的知识，那么他们使用数据在没有我们任何帮助的情况下聚集，我们将能够跟踪和计算一切，并大大减少浪费，损失和成本。
随着GPS技术的兴起，RFID标签被用于会员卡系统，PDA市场升温，企业能够“看到”他们的流程，而且条件非常适合信息爆炸。2005年，Roger Mougalas首次使用“大数据”这一术语，因为现有工具的处理数据量过多。2007年推出iPhone标志着Big Data进军消费领域，从那时起，智能手机，可穿戴设备，平板电脑和各种智能设备的崛起改变了我们对物理和数字世界的看法。
大数据，大变化
与此同时，社交媒体和电子商务的兴起导致了数字角色的概念，数据的惊人价值变得明显。'00s也看到了数据部门的出现，公司专门成立，以帮助企业管理组织数据并用它来改进流程。LatentView Analytics的联合创始人兼董事长Venkat Viswanathan 在消费者营销领域经历了数据的力量，并对商业环境也产生了兴趣。Viswanathan表示，“实现这一转变的因素在于数字数据更加精细化，公司正在从消费领域获取创意，并将其应用于行业。”
工业环境已经被用于技术和数据收集，因为他们仅使用数据实时通知决策 - 检查压力水平，温度等。在专业传感器数据变得精细化之前，甚至不考虑将数据存储起来供以后分析和使用存储成本下降：随着存储成本下降以及云存储在过去5 - 8年投入使用，有机会回顾历史数据并发现模式。
是时候发光了
一旦数据存储成为各种企业的可行选择，云就可以收集庞大而详细的数据集，AI终于有了坚实的基础。多年来，人工智能研究已经经历了几个人工智能冬季，其中算法技术的发展由于缺乏兴趣或投资而陷入困境。随着越来越多的数据变得可用，人工智能研究分为更窄更窄的应用，最新一代算法在基础领域取得了巨大进步 - 例如自然语言处理，计算机视觉和机器翻译 - 因为数量巨大可供学习的信息。
来自各种来源的可用训练数据的激增导致AI系统的巨大改进，这种现象被称为数据的不合理有效性，其表明即使是简单的算法，只要有足够的数据，也可以得出准确的结论。结合几十年的工作来完善这些算法以执行具有近乎人性的特定任务，AI终于有了一些东西可以用来实现有意义的结果。但大数据并没有给人工智能提供额外的推动 - 这是必需的，用红木软件的CSO Devin Gharibian-Saki的话来说，'AI系统运行在统计模型上，所以你不能没有很多数据来喂它。
整体观点
通过大量传感器，物联网设备甚至可用于提供数据来教授AI系统的用户数据，现在可以在业务的所有区域进行预测和决策，前提是用户了解数据的含义和来源。“你必须知道你最终想要什么，否则所有的数据，技术和传感器都是无用的，”Gharibian-Saki说，特别是在任何可测量的环境中，数据丢失的风险更大永远。企业必须记住，孤立地使用物联网，大数据或人工智能没有不会取胜：'我们总是寻找能够解决所有问题的一件事，'Gharibian-Saki说，'但物联网设备，传感器，机器人技术和人工智能是系统中的所有组成部分 - 如果没有这种整体观点，它将需要很长时间才能取得巨大成功。
物联网，大数据和人工智能相互融合并创建自动化生态系统 - 物联网设备收集数百万条准则的数据，然后在云中进行整理，并用于训练和改进人工智能算法。因此，确保人们了解物联网，大数据和人工智能如何互动和相互促进是我们能够做的最重要的事情，以改善我们的生活。
网友评论