物聯網智能硬件設備那么多，有哪些比較好？

當 IBM 的 Watson 和 Google 的 DeepMind 在智力競賽節目 Jeopardy 中的表現超越人類時，機器學習已經帶來了潛在的問題：如果 Fitbit 可以拯救你的生活，一個 Nike + Fuel Band 并不能拯救你的生活，你會購買哪一個產品？物聯網時代，該如何判斷“智能”設備。

1996年，美國芝加哥庫克縣醫院（Cook County Hospital ）的急診室使用算法來確定胸部疼痛患者何時有心臟病發作的危險，同時需要為其配備醫院里稀缺的病床。該算法使用基于流程圖的系統基本測試方法，不僅快速有效，而且準確：它將70％的患者分類為低風險類別，能夠發現95%的心臟病發作情況，而人類醫生只能發現75-89％的發病情況。更重要的是，這一測算結果還未使用任何深度計算。
 

 

如今已有大約64億個物聯網設備在使用，也就是世界上幾乎人手一個。哪怕只有1%的設備可以通過收集關于脈搏，飲食或睡眠的數據來分析人們的健康狀況，那么這也意味著，世界上“醫生”的覆蓋范圍將擴大五倍。 

但真正的魔力來自機器學習。除了在更多地方應用單數算法之外，這樣的數據規模是人類醫生即使有幾十年的工作經驗也無法得到的。想象一下，例如，Fitbit 注意到你的脈搏波動，監測到你心臟方面的問題，送你去醫院治療，機器學習意味著通過家用設備解決一些看似不可能的問題。

“智能”的真正價值

毫無疑問，“機器學習”使得“智能”小工具領先于其它物件。以 Nest 為例，Nest 是典型的智能設備。人們買這一物品不是因為它們可以通過手機來調節室內溫度，而是購買該產品的節能功能，根據人們的存在和需求自動調節室內溫度，以一種智能的方式解決了以前無法實現的問題。

然而大多數制造商只是追逐便利。比如菲利普 HUE 燈，雖然漂亮，但這一產品被貼上“智能”的標簽只是因為你可以用手機來對其進行控制。實際上，這并不是一個需要解決的問題。你不會因為一個人會開燈就說這個人聰明。因此，為什么這樣的產品也被賦予“智能”的標簽呢？

消費者物聯網中缺少真正的“智能”特性，也是導致其發展受到阻礙的一個方面。遠程訪問門鎖，或者當您回家時自動打開的收音機只是奢侈品，與精致餐飲或郵輪打包在一起消費——只有上層階級消費得起這樣的產品。

機器學習所達到的目的應該是，將想要的變成必須的：恒溫器，能夠保持室內溫度，同時為你省錢；可以給予你個性化提示睡眠或健身的可穿戴設備；或者在污染源為你的家人帶來傷害之前就可以偵測到的環境監測器。
 

 

機器學習將永久定義誰是真正的贏家

具有機器學習功能的產品在架子上看起來更酷炫。但機器學習的本質意味著，在所有競品之中，那些走在正確的機器學習之路上的產品才更能夠長期保持自己的優勢。

多虧了云技術，將機器學習搭載到設備上并不是設計問題（其實就是連接問題），也不是硬件問題（繁重的處理過程可以遠程完成）。從某種程度上，這是人才的問題，因為有能力的工程師是罕見的，但這總可以通過足夠的資金來解決。更重要的是，這是一個數據問題。

為了使計算機更可靠地進行模式研究，所需要的數據是海量的。它需要考慮眾多因素，從用戶偏好到使用案例，環境等等。但是這些因素中的許多或甚至大多數是時間相關的：使用頻率、行為頻率、條件頻率，隨時間變化的用戶行為變化，隨環境產生的季節變化，受傳感器壽命影響的數據精確度等。

無論有多少產品，公司前進的腳步也不會更快。競爭對手已經在市場上領先了六個月，即使再多的用戶或者資金也無法彌補差距。只有將數據從根本上優于競爭對手，無論是讀數的準確性，還是可靠的早期支持功能，只要你保持活躍，你就將成為競爭對手無法超越的領導者。

不只是大公司的游戲

雖然目前只是 IBM 和 Google 在相關領域發展迅速，似乎看上去機器學習對于初創公司來說太昂貴了。但也許事實并不是如此。其中的訣竅是，可以在其他人的電腦上做繁重的工作。因為有云技術，這一切都將成為可能。初創公司可以按小時支付，以獲得一些最復雜的機器。使用幾行程序代碼，您甚至可以連續排列許多批次，以保持效率。
 

 

更重要的是，由于設備本身只需要很少的硬件就可以實現機器學習，因此，在發布第一批產品時，設計和前端工具仍然占有重要作用。 

即使 Nest 起初也不那么智能，只是一個手機控制的恒溫器，通過簡單的算法粗略地預測提高室內溫度所需要的時間。因為開始它還不是很了解自己的用戶。但是，要升級用戶家庭的定義功能，公司只需要不斷發送數據包即可。您不需要支付更多的費用就可以通過機器學習獲得更好的體驗（只要在競爭對手之前做好這一步即可）。

專業知識民主共享

也許一個創業公司以機器學習作為重點業務板塊看上去有些可怕，但是，有更多的理由可以讓我們保持樂觀而不是害怕。機器學習增加了比人們想象的更多的價值。它為每個健身區都安排了醫生，為每個智能鎖都安排了偵探，為每個環境監測器都安排了一位健康檢查員，也為每個豪華設備安置了一個管家。 

機器學習是真正使智能設備停止提供便利，而發揮強大作用的途徑。我們已經看到早期設備比如 Nest 和 Echo 在不斷完善的過程中為我們的生活增添了無窮價值。當數以百計的科技公司都加入到這一行列，世界將產生巨大的不同。