人工智能与机器学习：解读塑造我们世界的技术 | IoT Now 新闻与报告

媒体 在我们的日常生活中，越来越难以避免听到“DigiOps与人工智能'和'机器学习（ML）”无论是在工业界还是学术界。这些技术已经进入我们的日常生活，正在改变大多数经济部门，构建新的知识和实践领域，并开创人类历史的新时代。然而，即使这些形式的快速发展的智能在学院内外变得更加明显，但它们的不精确定义、其模式和应用范围的模糊性阻碍了它们的充分理解。本文旨在阐明这些新技术，区分它们，并概述它们的广泛影响。

1. 物联网领域的人工智能/机器学习

人工智能 (AI)、机器学习 (ML) 和 物联网（IOT） 它们错综复杂地联系在一起，共同构成了一个强大的三位一体，引领了新一轮的创新浪潮。这三者正在打造新一代智能、自我调整和自我优化的自主产品和机器，而这些产品和机器反过来又颠覆和改变了从制造业到医疗保健的各个领域。人工智能、机器学习和物联网之间的联系是很自然的：

• 数据驱动的智能：

这些数据的生成者是嵌入在交通网络或厨房用具等各种环境中的日常物品中的传感器和智能设备。人工智能和机器学习的力量和能力提供了计算智能来处理、转换和分析数据，并将其转化为可操作的信息。物联网形成了数据捕获层，而人工智能和机器学习则代表了构成计算大脑的分析引擎。

在工业领域，物联网设备 设备和机械的跟踪传感器。机器学习算法可以识别当前数据和历史数据之间的联系，然后预测机器或设备故障、维护需求和其他问题。整个过程是连续的，机器学习算法可以根据物联网设备的实时数据预测机器状况。例如，如果油位低或振动过度，系统可以预测潜在的机器故障。通过这种方式，预测性维护可以最大限度地减少停机时间并降低材料成本，而不会显着增加劳动力成本。

• 增强的用户体验和个性化：

这些消费者应用程序的示例可以在物联网设备中找到，这些设备收集有关用户交互和偏好的信息。例如，通过分析您如何使用智能家居，人工智能可以根据您的行为控制您的照明和温度，如果您继续使用它，机器学习算法会随着时间的推移改进预测工作。健身追踪器还可以使用机器学习算法来个性化健康建议。

• 自主决策：

使用人工智能和机器学习，物联网设备可以开始根据实时数据做出自主决策。例如，自动驾驶汽车（物联网设备的生态系统）使用机器学习来理解传感器数据并决定在道路上随时采取哪些驾驶动作。在我们的家庭和办公室中，能源网格使用人工智能来平衡电网负载，并根据实时提供的物联网数据智能优化能源分配。

• 增强安全性：

安全和网络攻击 可以渗透到物联网网络。人工智能和机器学习可以像安全雷达一样工作，检测物联网网络状态或物联网设备生成的数据中的异常情况，以判断攻击是否正在发生或即将发生。因此，人工智能驱动的安全可以使物联网更加安全——这些系统始终可以从来自网络的数据中学习并更新要采取的措施。

• 运营效率：

在商业和制造领域，物联网输入大量变量和参数，通过机器学习算法进行分析，通过减少浪费和提高效率来优化运营。人工智能同时可用于自动化更复杂的决策过程，从而实时优化操作参数。

简而言之，人工智能和机器学习对于物联网来说是不可或缺的，一个聪明的系统将把这三者整合为一个学习、适应和决策的智能生态系统：物联网驱动力和未来创新的加速器，其本身也得到智能监管的帮助。

2. 解码人工智能和机器学习：比较概述

DigiOps与人工智能

人工智能是计算机科学的一个领域，或者我们甚至可以说是学科，旨在创建能够执行通常被认为需要人类智能的任务的系统。它的一些基本标志围绕着智能和学习等概念的使用，通过这些概念将人工智能的任务执行能力与人类的认知能力联系起来。此类任务的例子包括理解自然语言——这可能与人类的说话能力产生共鸣；这 模式识别 – 与人类的感知能力密切相关；以及解决复杂问题的内在可比能力，这些问题涉及不可预见的困难以及解决方案的不可避免的模糊性和不确定性，就像从现实世界中为求知欲强的人类绘制的谜题一样。人们普遍认为，虽然聊天机器人的目标导向更为狭隘，但人工智能涉及计算机执行上述任何任务的能力，使我们可以说计算机是“智能”的。这就是有时被称为人类智力的“智力模仿”或“模仿”——简而言之，就是从经验中学习并“聪明地行动”。

机器学习（ML）

机器学习涉及人工智能 (AI) 的一个特别活跃的领域，它试图将计算机的学习能力、基于数据做出选择或预测的能力编码化，从而绕过人类输入或指导的需要。算法在之前收集的数据集上进行训练，直到它们了解该数据的基本模式，根据所学知识做出明智的选择，并且能够继续逐步自主地提高其预测能力。机器学习的目标是开发能够利用数据的程序，以便在无需干预的情况下，更好地、更适应任务地自主学习。

主要区别：

人工智能用于构建智能计算机，以类似于人类的方式解决问题，而机器学习则允许机器人从数据中学习，从而做出准确的预测。

功能：机器使用预先编写的规则手册（通常系统会根据结果灵活和“调整”规则），而机器学习系统则遵循预期输入的模式云，从而得出答案。

3. 它们带来了什么：功能和应用

人工智能的贡献：

人工智能非常擅长自动化日常任务——无论是数据输入等简单的工作，还是支持这些决策的隐藏流程，它都能最大限度地提高效率和生产力。

• 认知服务：

得益于认知服务（语言理解、语音和视觉），计算机能够与人类进行更广泛的交互。

• 做决定：

人工智能系统可以通过比较和对比过去和现在的数据，对大量输入进行明智的联系和综合，得出关于当前的有意义的结论。

机器学习的贡献：

• 预测分析：

机器学习模型非常擅长根据过去的数据预测趋势和行为，这就是它们可以应用的地方，例如金融、医疗和营销领域。

• 模式识别：

最成功的机器学习应用之一是学习识别数据中隐藏的模式，例如网络安全中的异常活动或诊断医学中的疾病迹象。

• 个性化：

机器学习根据单个用户过去与服务的交互方式产生定制的用户体验，并可用于改进电子商务、娱乐等方面的服务。

4. 协同关系：人工智能和机器学习如何相辅相成

这种关系也是相互支持的，其中一门科学会反馈以改进另一门新兴科学并为其提供信息，并且随着时间的推移，由此产生的系统会变得更加有能力和认知能力。 AI是组织者：人工智能领域定义了构建机器的总体目标和架构，原则上可以展现人类智能的各个方面。 机器学习是工具包：机器学习领域提供了使这些机器能够从数据中学习、通过实践变得更好并做出决策的方法和技术。

• 增强学习能力：因此，适应现实世界中人类的“振动”至关重要。人工智能系统应该接受人类智能的通知，而机器学习可以让机器像人类一样从经验中学习。如果统计学习架起了机器和人类的桥梁，那么机器学习就有了一些希望——数据驱动的系统必须学习如何在面对“人类”行为的新例子（例如驾驶、与其他人交互）时“重新校准”（就像人类所做的那样）。人类等）。

• 数据驱动的决策：在人工智能中“聪明”意味着“成为一个好的决策者”。机器学习（可能）是一个零假设，即如何最好地让人工智能快速做出决策，通过为人工智能提供工具来分析有关人工智能对象每时每刻所做的事情的大量数据，找出这些数据中的模式，并然后（做出预测）使用分析和模式识别来做出下一个决定。

• 预测能力和个性化：在许多其他方面，机器学习是一种有效的工具，可以实现人工智能为用户实现的目标：个性化体验和结果预测。机器学习非常适合为电子商务网站、视频流服务或客户服务平台的用户提供个性化体验，因为它获取有关用户过去所做行为的数据点并预测该用户最终会做什么。

• 自主改进：人工智能概念的一个基本方面是设计自主系统的能力。机器学习更进一步，因为系统不仅被设计为自主运行，而且还能够自主优化性能（例如，通过从启动后获得的数据中学习）。对于像自动驾驶汽车这样需要“学习”如何应对未知环境的系统来说，这样的改进循环至关重要。复杂的。

• 解决问题：Aupiter AI 致力于解决上述计算空间中现实世界问题中的棘手问题，所有实际解决方案似乎都极其复杂，而显而易见、简单的途径却搁浅了。机器学习通过提供基于混合多种模态的范式（例如，算法集，例如 神经网络）以匹配现实世界的复杂性并利用现实世界中大多数可用的高复杂性、大部分非结构化数据。

将两者放在一起，你就会拥有一个呈指数级加速的技术生态系统——其中机器学习构建“归纳”模型的能力，以及通过数据迭代开发来学习的能力，可以与人工智能更加雄心勃勃的议程相结合，即对人类智能进行建模创建更加通用的“生成”系统，可以掌握各种复杂的任务，突破创新界限，并推动整个行业的发展。

5. 挑战和道德考虑

几乎每一种快速发展且具有潜在颠覆性的人工智能和机器学习 (ML) 技术，我们很快就会发现，人们对技术如何改变世界的担忧几乎与新兴且快速发展的技术本身一样快。这是一个前所未有的问题：由于人工智能和机器学习系统需要大量数据才能有效运行，因此我们对数据安全和隐私产生了担忧。更广泛的伦理问题包括人工智能设计中的偏见和公平问题（即算法可能会产生有偏见的结果，因为它们之前接受过有偏见数据的训练），以及算法实现的有意决策过程比人类决策过程更可解释和开放– 尤其是在教育、医疗和刑事司法场景中，透明度与决策本身一样重要。自动化过程中将会减少一些工作岗位，这种情况需要急需的劳动力管理和员工再培训策略等等。事实上，这可以解释为： 最大的担忧:

在这项工作的前沿，越来越多的人呼吁阐明人工智能和机器学习技术的设计和部署原则并实施标准。这需要公司、政策制定者和其他利益相关者之间建立大规模的合作伙伴关系，以确保人工智能和机器学习技术的开发和部署安全、公平、透明并为了公众利益。

6. 未来展望：无限可能

再次，在人工智能和机器学习领域的下一次技术革命的风口浪尖上，同样的情况也适用：随着患者的 DNA 断层扫描得到处方治疗，医学将发生转变；我们的城市生活世界将在部署在我们基础设施中的人工智能驱动的机器学习城镇中进行重塑。

总而言之，人工智能和机器学习正在打造一个越来越无缝和无形的未来，其中技术支撑着我们的现实。未来几年，组织、政策制定者和普通大众都将有助于了解他们的不同之处、他们能够取得什么成就以及他们将在哪里继续碰壁。随着这些技术的不断发展，全新的世界将会出现，其他的世界将会消失，而我们周围的世界将通过尚未开始观察的眼睛继续发生变化。人工智能革命才刚刚开始。只要我们的想象力允许，可能性是无限的。

文章作者：WeKnow Media 技术作家 Magda Dąbrowska

在下面或通过Twitter对本文发表评论： @IoTNow_

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.iot-now.com/2024/02/02/142229-ai-vs-ml-decoding-the-technologies-shaping-our-world/