■出售外链〓提升排名┿【QQ:1012189958】 1号站 1号站平台 1号站娱乐 一号站平台 拉菲娱乐 拉菲2 拉菲娱乐 万达平台 万达平台 万达平台 万达平台 万达娱乐 万达娱乐 万达娱乐 东森平台 东森平台 东森平台 东森娱乐 东森娱乐 东森娱乐 杏彩平台 杏彩平台 杏彩平台 杏彩平台 杏彩娱乐 杏彩娱乐 杏彩娱乐 杏彩娱乐 杏彩娱乐 凤凰平台 凤凰平台 凤凰平台 凤凰平台 凤凰平台 凤凰娱乐 凤凰娱乐 凤凰娱乐 凤凰娱乐 凤凰娱乐 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 娱乐天地 世爵平台 世爵平台 世爵平台 世爵平台 翡翠平台 世爵娱乐 世爵娱乐 世爵娱乐 世爵娱乐 翡翠平台 翡翠平台 翡翠平台 翡翠娱乐 翡翠娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 畅博娱乐 华宇平台 华宇平台 华宇平台 华宇平台 华宇平台 华宇平台 华宇平台
您的位置: 主页 > 智能设备

智能设备想取得成功?机器学习起到决定性作用

发布时间:2017-07-08 11:44:28  来源:网络整理

undefined

【网易智能讯 1月9日消息】消费级智能设备Foobot生产商AirBoxLab的CEO雅克?图伊隆(Jacques Touillon)在国外媒体VentureBeat发表文章称,机器学习将成为物联网行业的胜负手,将会决定哪些物联网产品能够存活下来,哪些会被淘汰。

没有造价上亿美元的机器能够取代医生,但价值25美元的机器能够在你需要看医生的时候告诉你。

1996年,芝加哥库克郡立医院急诊室利用一种算法来判断胸痛病患什么时候会有心脏病发病风险,以期让他们能够及时接受治疗。通过使用系统化的、基于流程图的基本测试方法,该算法证明它不仅仅快速高效,还相当精确:它将超过70%多的病患归入低风险类别,而判断心脏病发作案例的准确率则高达95%,比人工医生还要高(75%到89%)。当时,这一实践并没有应用任何的深度学习技术。

今年,物联网设备使用量约为64亿——全球几乎一人一个。即便当中只有1%的设备能够利用收集回来的脉搏、饮食或者睡眠信息分析人们的疾病状况,那相当于全球的医生覆盖范围扩大了五倍之多。

不过,该类设备真正的威力来自于机器学习技术。除了将特别的算法应用在更多的地方以外,这种量级的数据收集已经能够在连有数十年经验的医生都看不出模式的情形中发现模式。例如,想象一下,Fitbit手环注意到你出现与心脏病高度关联的脉搏波动,因而能够及时提醒你到医院接受治疗。机器学习意味着利用日常的设备来解决看似无法解决的问题。

不过,直到IBM的沃森(Watson)和谷歌的DeepMind开始在诸如电视智力竞赛节目“Jeopardy”和围棋的领域胜过人类,机器学习的潜力才不再受到质疑。而如今的问题是:如果Fitbit能够拯救你的生命,而耐克Nike+ Fuel Band手环不能,那你会选择购买哪一个呢?

“智能”的真正价值

在各式各样所谓的“智能”设备当中,那些拥有机器学习技术的设备成为市场领头羊并不令人意外。以Nest这款典型的智能设备为例,没有人会只是因为能够用手机应用控制室内温度而购买它,他们买它是因为它的节能功能,是因为它在解决问题上前所未有地智能,如能够根据人的存在和需要自动调整室内温度,而不是根据简单的计时器。

不过,大多数的制造商都只是在追求产品的便利性。飞利浦HUE系列电灯虽然设计精美,但只是因为支持手机控制而赢得“智能”标签。便利性并不是一个需要解决的问题。你不会因为人能够自行打开电灯而说他们智能,所以为什么要给这类设备贴上智能标签呢?

消费级物联网设备缺乏真正意义上的智能功能,也阻碍了它们的普及。支持远程访问的门锁或者可在你到家时自动打开的音响都只不过是奢侈品,它们的销售几乎全都来自于上层阶级。

机器学习将人们需要的物品变成必需品:恒温器既能让你保持温暖,又能帮你节能省钱;睡眠用的或者健身用的可穿戴产品可给你提供个性化的贴士;环境监测设备可诊断和对付污染源,保护你的家人免受伤害。

机器学习将成为胜负手

拥有机器学习功能的产品比那些没有的更有吸引力。但机器学习的性质意味着,在竞争产品当中,那些在机器学习领域走得最远的产品可在很长一段时间内保有竞争优势。

得益于云技术,将机器学习技术嵌入设备不会带来设计问题(设备只需要支持联网),也不会带来硬件问题(繁重的处理任务能够远程进行)。它面临的是人才问题,因为这方面的优秀工程师比较短缺,但只要有充足的融资,这个问题就能解决。数据问题才是最棘手的那个。

计算机要拥有可靠的模式发现能力,就要有海量的数据集。它需要考虑诸多的因素,从用户偏好到使用案例,再到环境,等等。但这些因素很多甚至大多数都与时间相依:使用频率,行为频率,条件频率,用户行为的变化,环境的季节性变化,传感器在不同使用寿命阶段的数据准确度。

部署1亿个连接稳定的设备,并不会让公司加速取得进展。对竞争对手6个月的领先并不会因为对方有了更多的用户或者融资而消失。你的数据将从根本上好于对手的数据,从你的读数的准确性便可见一斑;你在早期支持的功能特性数量变得足够可靠,能够作为成品推出。只要你能够保持活跃,你就能够维持领先,竞争对手赶不上来。

不只是巨头们的游戏

然而,目前只有像IBM和谷歌这样的巨头能够做到时常推出机器学习产品。机器学习技术对于创业公司来说似乎成本太过高昂。但这并非事实。