哪些物联网设备会在竞争中胜出？

当 IBM 的 Watson 和 Google 的 DeepMind 在智力竞赛节目 Jeopardy 中的表现超越人类时，机器学习已经带来了潜在的问题：如果 Fitbit 可以拯救你的生活，一个 Nike+FuelBand 并不能拯救你的生活，你会购买哪一个产品?作者Jacques Touillon分析了物联网时代，该如何判断"智能"设备。

1996年，美国芝加哥库克县医院(CookCountyHospital)的急诊室使用算法来确定胸部疼痛患者何时有心脏病发作的危险，同时需要为其配备医院里稀缺的病床。该算法使用基于流程图的系统基本测试方法，不仅快速有效，而且准确：它将70%的患者分类为低风险类别，能够发现95%的心脏病发作情况，而人类医生只能发现75-89%的发病情况。更重要的是，这一测算结果还未使用任何深度计算。

如今已有大约64亿个物联网设备在使用，也就是世界上几乎人手一个。哪怕只有1%的设备可以通过收集关于脉搏，饮食或睡眠的数据来分析人们的健康状况，那么这也意味着，世界上"医生"的覆盖范围将扩大五倍。

但真正的魔力来自机器学习。除了在更多地方应用单数算法之外，这样的数据规模是人类医生即使有几十年的工作经验也无法得到的。想象一下，例如，Fitbit 注意到你的脉搏波动，监测到你心脏方面的问题，送你去医院治疗，机器学习意味着通过家用设备解决一些看似不可能的问题。

"智能"的真正价值

毫无疑问，"机器学习"使得"智能"小工具领先于其它物件。以 Nest 为例，Nest是典型的智能设备。人们买这一物品不是因为它们可以通过手机来调节室内温度，而是购买该产品的节能功能，根据人们的存在和需求自动调节室内温度，以一种智能的方式解决了以前无法实现的问题。

然而大多数制造商只是追逐便利。比如菲利普 HUE 灯，虽然漂亮，但这一产品被贴上"智能"的标签只是因为你可以用手机来对其进行控制。实际上，这并不是一个需要解决的问题。你不会因为一个人会开灯就说这个人聪明。因此，为什么这样的产品也被赋予"智能"的标签呢?

消费者物联网中缺少真正的"智能"特性，也是导致其发展受到阻碍的一个方面。远程访问门锁，或者当您回家时自动打开的收音机只是奢侈品，与精致餐饮或邮轮打包在一起消费——只有上层阶级消费得起这样的产品。

机器学习所达到的目的应该是，将想要的变成必须的：恒温器，能够保持室内温度，同时为你省钱;可以给予你个性化提示睡眠或健身的可穿戴设备;或者在污染源为你的家人带来伤害之前就可以侦测到的环境监测器。

机器学习将永久定义谁是真正的赢家

具有机器学习功能的产品在架子上看起来更酷炫。但机器学习的本质意味着，在所有竞品之中，那些走在正确的机器学习之路上的产品才更能够长期保持自己的优势。

多亏了云技术，将机器学习搭载到设备上并不是设计问题(其实就是连接问题)，也不是硬件问题(繁重的处理过程可以远程完成)。从某种程度上，这是人才的问题，因为有能力的工程师是罕见的，但这总可以通过足够的资金来解决。更重要的是，这是一个数据问题。

为了使计算机更可靠地进行模式研究，所需要的数据是海量的。它需要考虑众多因素，从用户偏好到使用案例，环境等等。但是这些因素中的许多或甚至大多数是时间相关的：使用频率、行为频率、条件频率，随时间变化的用户行为变化，随环境产生的季节变化，受传感器寿命影响的数据精确度等。

无论有多少产品，公司前进的脚步也不会更快。竞争对手已经在市场上领先了六个月，即使再多的用户或者资金也无法弥补差距。只有将数据从根本上优于竞争对手，无论是读数的准确性，还是可靠的早期支持功能，只要你保持活跃，你就将成为竞争对手无法超越的领导者。

不只是大公司的游戏

虽然目前只是 IBM 和 Google 在相关领域发展迅速，似乎看上去机器学习对于初创公司来说太昂贵了。但也许事实并不是如此。其中的诀窍是，可以在其他人的电脑上做繁重的工作。因为有云技术，这一切都将成为可能。初创公司可以按小时支付，以获得一些最复杂的机器。使用几行程序代码，您甚至可以连续排列许多批次，以保持效率。

更重要的是，由于设备本身只需要很少的硬件就可以实现机器学习，因此，在发布第一批产品时，设计和前端工具仍然占有重要作用。

即使 Nest 起初也不那么智能，只是一个手机控制的恒温器，通过简单的算法粗略地预测提高室内温度所需要的时间。因为开始它还不是很了解自己的用户。但是，要升级用户家庭的定义功能，公司只需要不断发送数据包即可。您不需要支付更多的费用就可以通过机器