导语：人工智能与物联网是相辅相成的，相互支持！物联网连接是基础，依靠智能创造价值！而人工智能需要载体，物理网就是良好的载体！
智能是物联网核心
第一个关键词是物联网，而在第一次物联网讲堂分享的主题是物联网的三个关键词，这三个关键词分别是融合、智能、生态。而今天特别强调的物联网关键词是智能。
物联网概念兴起的一个主要推动力是2009年IBM推出的智慧地球概念，进一步影响到美国和中国的政策。IBM对物联网的定义中，最关键的是智能，物联网创造价值主要是利用连接设备的数量由量变引起质变后可以沉淀大量的数据，并进一步形成智慧，利用智慧创造巨大的价值。
物联网智能特别重要？互联网信息联网，信息是给人看的，人本身是有智慧的，当人看到信息后，能够作出进一步处理的决策。但在物物相连之后，物体（或者设备）接收到信息后，如何做下一步处理？物体本身没有智慧，物联网体系就需要有一定的智能，物体根据收到的信息，将各种物体的实际状态信息传递出来，体系内的智能帮助物体判断，做下一步的处理，这就需要物联网具备智能。
物联网系统中，智慧的产生有以下几种形式：
1、将某一个领域非常有经验的专家经验，融到专家系统中，专家系统会根据设备状况提供设备下一步处理的建议。（某石化系统的专家系统，这个系统包含两部分：一部分是物联网，将设备的实时状态信息传递到系统；另外一部分是专家系统，将石化系统内知名的设备维修专家的经验融入专家系统。专家系统为设备实时运行状态设定了阀域值，当设备超出阀域值之后，会根据专家系统的专家的经验，给出设备需要检查、维护、维修的意见）。
2、将某一领域的知识体系，嵌入到物联网系统中。比如将控制算法嵌入到系统中。将APS理论应用到物联网系统中（今年在汉诺威工业展上，SAP主要推广的是SAP的物联网平台Leonardo，SAP的很多新应用都是在Leonardo上实现的，其中将APS算法融入到系统中，APS是高级排产功能，在SAP的系统中，生产物料根据生产订单的工序，自动根据APS的算法，寻找匹配的闲置的生产设备，提高了设备的利用率。）。SAP的物联网系统，融入了APS的知识体系，利用已有知识体系实现智能。
3、随着大数据融合在一个平台，很多潜在的有价值的关联信息大量被挖掘，利用大数据分析，从而形成新的智慧。
4、物联网具备学习能力，通过一定时间的给定条件的输入、输出，训练出智能，以后根据训练出来的智能，在给定输入情况下提供智能的输出。
其中第一种、第二种智慧，是人类智慧中非常小的一部分。而未来更多的智慧是通过第三种、第四种模式来形成的智慧。而第三种智慧最主要的是利用大数据技术，第四种智慧最主要的是人工智能技术。
学习能力是人工智能的关键
看第二个关键词：人工智能。
百度百科对人工智能的定义：人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
我不是人工智能的专家，而人工智能涵盖面非常广；所以我介绍人工智能，是从应用这个角度入手，理论不会特别严谨，知识抓住人工智能的终重点介绍。
首先我关注到，研究人工智能的机构或者研究者很多都是自动化领域的专家，比如现在中国人工智能协会的理事长谭铁牛先生，是自动化专家，原来也是中国科学院自动化研究所的所长。而中科院自动化所在人工智能领域的学术能力是最强的，国内一家非常知名的人工智能企业的技术，是自动化所得技术。
而在大学期间学习过的神经元控制，就是人工智能：
X是输入层，隐含层是三层节点，而这些节点之间有一定权重。
Y是输出层。
训练阶段，是已经X，Y，训练隐含层之间节点的权重。
应用阶段：隐含节点权重确定之后，根据X，和这些权重，得到输出Y。
所谓的深度学习，无非是增加了隐含层的层数。
我在大学期间，计算机处理能力，只能处理非常少的隐含层，但云计算突破了技术的限制，可以解决非常复杂的问题了。
看一下人工智能的发展历史：这是谭铁牛院士在2016年人工智能大会上做的图。现在人工智能已经经历了三次期望的波峰。第一次是人工智能概念的诞生；第二次是专家系统遍地开花，人工智能专项实用，而第三次就是这一轮的人工智能的兴起，这次人工智能的兴起，源自云计算、物联网和大数据等技术的突破，深度学习和大数据的兴起带来人工智能的爆发。
这一轮人工智能热，是因为深度学习人工智能取得了一定的成功，但深度学习的成功，不是理论方法的突破，而是大数据和大规模计算资源驱动下的基于基础理论的技术突破，其本质是通过多层非线性影射，对复杂函数进行逼近。深度学习存在明显局限，对任务的无缝切换，知识迁移，对环境变化的适应和自我完善，对小样本的举一反三，与人类的学习能力相差甚远。
物联网与人工智能相互促进
物联网与人工智能相互促进：物联网为人工智能的发展提供大量的数据，而人工智能帮助物联网设备实现智能。今天分享人工智能在物联网四层架构的作用。
比较通用的物联网技术架构分三层：感知层、网络层和智能应用层。随着技术的发展，在智能应用层又分为边缘计算层的智能应用，和云计算层的智能应用。所以今天介绍的架构是：感知层、网络层，边缘计算层和云计算层。
而这四层都需要人工智能支持。
感知层：
感知层包括传感器、执行器、RFID和一些智能装置。随着技术的发展，感知层越来越需要人工智能。
比如传统的检测汽车是否压线，是否闯红灯，一般是在路上打磁钉做传感器，但磁钉影响路面，现在用的是虚拟磁钉：利用图像，通过对图像的人工智能处理，通过图像判断是否闯红灯和是否压线。
还有银行的防盗系统，通过识别图像围栏，来做银行的安防。这些都用到了人工智能的技术。
以前曾经了解过图漾信息，最近在创业邦人工智能创新50强中，获得1500万的融资，其技术可以做立体识别，通过更加详细的动作识别来判断危险动作，曾经带图漾信息与大华交流，大华非常感兴趣，但可惜我没能帮助这家企业融到资，但了解了这个行业的知识。。
在工业领域，图像的人工智能技术应用更加广泛，随着智能制造的发展，越来越多的企业开始个性化定制，而个性化定制，要求检测技术要求越来越通用化。
我曾经在轴承行业做过调研，传统的轴承生产过程中，对产品的检测是首件检测，尾件检测，中间抽检。而每一批产品，都要手工检测。传统的生产批量大，这种模式，这种模式效率低一些可以忍受，如果没种产品批次很少，用传统接触式检测的效率低，每次检测调整周期长。现在工业对于非接触式检测，也就是通过图像识别检测的需求特别旺盛。
如果可以实现非接触式图像检测，一方面可以提高生产设备的柔性，可以实现件件检测，提高质量水平；还可以通过检测实现动态刀具补偿，降低产品的偏差。
在感知层的人工智能，还包括语音识别，道路识别等等。
最近智能音箱受到资本追捧，主要是利用语音识别技术，让音箱成为一个人机交互的入口，就需要音箱能够识别控制命令，信息，并通过语音控制设备。
通讯层的人工智能
当万物互联之后，一个人对应多台设备，而设备联网自动配置是复杂的，就需要设备联网智能化，实现网络的自动配置。
设备具备多样性，从而决定了物联网时代连接方式的多样性，5G，NB－iot，有线，工业以太网，总线，WIFI，Zigbee，蓝牙等通讯方式都可能存在，还可能会有新的通讯，比如Macbee。未来有些设备可能支持一种以上的通讯，设备智能联网需要选择适合的通讯方式。
物联网时代网络结构会比互联网的网络结构复杂，从A到B的网络会有多种路由路径可选，哪个路由路径速率快，哪个路由路径效率最高，哪个路由路径最稳定，这些也需要人工智能。
网络安全非常重要，就需要在网络上有良好的网络测试机制，还需要有智能化的安全机智。计算机的智能安全可以由人通过安全软件来实现，而设备的安全，其智能功能需要人工智能来实现。
边缘计算和云计算的人工智能：
我经常用仿生的原理来解释智能的发展。
比如人在学习一个武术套路时，最开始学习每一招，都要用脑去记住套路，然后坚持锻炼这个套路，慢慢的熟练成自然，长期坚持，就形成了条件反射，当套路熟练的时候，就不用脑子，就能够把整套武术快速完整的完成。
而形成条件反射之后，别人打过来时，就会自然形成躲避或者回击的反应。
所以物联网的应用会与人学习武术的模式非常类似：当第一种条件发生的时候，是通过云计算的智能形成，而未来大数据与人工智能结合的智能方式是未来的主流模式。
当相似条件持续发生的时候，边缘计算就会学习云计算处理的方法，逐渐过渡到由边缘计算自动判断完成的智能。
这个过程一方面在云计算层要实现基于大数据深度学习的人工智能；而边缘计算层也要不断学习云计算层的处理，形成类似条件反射的智能反应。
推荐阅读>>>
免责声明：本网站所有信息，并不代表本站赞同其观点和对其真实性负责，投资者据此操作，风险请自担。