数据显示，在不久的将来，物联网将会产生庞大的数据，而这些数据则可以有效地帮助城市预测事故发生情况，预测各种犯罪行为。通过对机械与设备进行预知维护，让医生能够实时了解起搏器或者生物芯片中的某些信息，甚至，创建一个真正的智能世界，物联网能够带来无限可能。
随着连网设备和传感器的快速扩展，它们创建的数据量将呈指数级增长，因此就需要考虑如何分析这些海量性能数据。
情况是这样的：只有机器学习才能跟上物联网生成数据的速度，从而获得洞察力。
人工智能和机器学习是什么？
人工智能是一种对感知周围世界、形成计划和做出决策已到达目标的智能体的研究。其基础包括数学、逻辑、哲学、概率论、语言学、神经科学和决策理论。很多领域都属于人工，比如计算机视觉、机器人学、机器学习和自然语言处理等。
机器学习是人工智能的一个分支，它的目标是让计算机能够自己学习。通过机器的学习算法，它可以识别数据中的模式，然后构建模型来解释世界，并在预测事物时不需要预先设定的规则和模型。
机器学习为何重要？
人工智能将比其他任何创新都更有能力塑造我们的未来，不了解它的人很快就会发现自己落后于时代。
经历了多次的人工智能寒冬和“假繁荣”后，迅速发展的数据存储和计算机处理能力极大地改变了游戏规则。
计算机视觉(机器识别图像或视频中对象的能力)已经得到了极大的提高。举例来说，你已经收集了几十万甚至几百万张图片，并且需要分别对它们进行标记，比如对有猫的图片进行标记，然后，算法尝试建立一个模型，准确地对每一张有猫的图片进行标记。只要精度足够高，机器就能“了解”猫的样子。
例如，追踪健康状况的可穿戴设备已经是一个新兴的行业，但不久之后，这些设备就会发展成相互连接，与互联网连接的设备，可以跟踪你的健康状况，实时更新你的健康服务。
当你身体的某项指标达到临界值时，你的医生就会得到通知，例如心率增加到不安全的水平，甚至停止。要找出潜在的问题，必须从正常和异常的角度对数据进行分析，这就要求根据实时数据流快速地识别相似、相关和异常。这能否由在医疗服务部门工作的个人来完成?——实时审查来自数千名患者的数据，并正确决定何时发出紧急信息?不太可能——因为编写代码或规则搜索数据以查找已知的模式非常耗时，充满了错误，并且局限于识别先前已知的模式。
如果想要在收集数据时立即进行分析，以准确识别先前已知和先前从未见过的新模式，就必须使用能够生成和聚合这些大数据的机器，以了解每个患者的正常行为，并跟踪、发现和标记任何可能导致严重健康问题的异常内容。
尽管许多人已经从物联网的基本层面理解了它的含义，但它强大的技术问题，仍然让许多人望而却步，机器学习是人们迈向智能世界的核心要素，需要提高物联网的安全性，只有这样，物联网才能改变目前的每一个行业，为人们的生活带来更好的变化。
文章来源：《为什么物联网的未来需要依赖机器学习》
