我将首先快速解释人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 的实际含义以及它们的不同之处。然后，我将分享 AI 和物联网如何密不可分地交织在一起，几项技术进步同时融合在一起，为 AI 和物联网的爆发奠定了基础。
那么 AI、ML 和 DL 之间有什么区别呢?
人工智能于1956年由约翰麦卡锡首次创造，它涉及可以执行人类智能特征任务的机器。虽然这很笼统，但它包括计划、理解语言、识别物体和声音、学习和解决问题等。
我们可以把人工智能分为两类，一般的和狭义的。通用人工智能将具有人类智能的所有特征，包括上述能力。狭义人工智能展示了人类智能的某些方面，并且可以非常好地完成这方面的工作，但在其他领域则有所欠缺。一台擅长识别图像但仅此而已的机器将是狭义人工智能的一个例子。
从本质上讲，机器学习只是实现人工智能的一种方式。
亚瑟·塞缪尔 (Arthur Samuel) 于1959年在人工智能出现后不久创造了这个短语，将其定义为“无需明确编程即可学习的能力”。你看，你可以在不使用机器学习的情况下获得人工智能，但这需要构建数百万行具有复杂规则和决策树的代码。
因此，机器学习不是使用特定指令来完成特定任务的硬编码软件例程，而是一种“训练”算法以便它可以学习如何学习的方式。“训练”涉及向算法提供大量数据，并允许算法进行自我调整和改进。
举个例子，机器学习已被用于对计算机视觉(机器识别图像或视频中的对象的能力)进行重大改进。您收集了数十万甚至数百万张图片，然后让人类标记它们。例如，人类可能会标记有猫的图片与没有猫的图片。然后，该算法尝试构建一个模型，该模型可以准确地将图片标记为包含猫或不包含人类。一旦准确率足够高，机器现在就“学习”了一只猫的样子。
深度学习是机器学习的众多方法之一。其他方法包括决策树学习、归纳逻辑编程、聚类、强化学习和贝叶斯网络等。
深度学习的灵感来自大脑的结构和功能，即许多神经元的互连。人工神经网络 (ANN) 是模拟大脑生物结构的算法。
在ANN中，存在具有离散层和与其他“神经元”连接的“神经元”。每层挑选一个特定的特征来学习，例如图像识别中的曲线/边缘。正是这种分层赋予了深度学习的名称，深度是通过使用多个层而不是单个层来创建的。
人工智能和物联网密不可分
我认为人工智能和物联网之间的关系就像人脑和身体之间的关系。
我们的身体收集感官输入，例如视觉、声音和触觉。我们的大脑接受这些数据并理解它，将光转化为可识别的物体，并将声音转化为可理解的语音。然后，我们的大脑做出决定，将信号发送回身体以指挥诸如拿起物体或说话之类的动作。
构成物联网的所有连接传感器就像我们的身体，它们提供世界上正在发生的事情的原始数据。人工智能就像我们的大脑，理解这些数据并决定要执行的操作。物联网的连接设备再次像我们的身体一样，执行身体动作或与他人交流。
释放彼此的潜力
人工智能和物联网的价值和承诺因对方而得以实现。
近年来，机器学习和深度学习为人工智能带来了巨大飞跃。如上所述，机器学习和深度学习需要大量数据才能工作，而这些数据正在由物联网中不断上线的数十亿传感器收集。物联网让人工智能变得更好。
改进人工智能还将推动物联网的采用，创造一个良性循环，这两个领域都将大幅加速。那是因为人工智能使物联网变得有用。
在工业方面，人工智能可用于预测机器何时需要维护或分析制造过程以大幅提高效率，从而节省数百万美元。
在消费者方面，技术可以适应我们，而不是必须适应技术。我们可以简单地向机器询问我们需要什么，而不是点击、输入和搜索。我们可能会要求提供诸如天气之类的信息或诸如为房子准备就寝时间之类的操作(调低恒温器、锁门、关灯等)。
融合的技术进步使这成为可能
缩小计算机芯片和改进制造技术意味着更便宜、更强大的传感器。
快速改进电池技术意味着这些传感器可以使用数年而无需连接到电源。
由智能手机的出现推动的无线连接意味着可以以低廉的价格大量发送数据，允许所有这些传感器将数据发送到云端。
云的诞生允许几乎无限地存储这些数据和几乎无限的计算能力来处理它。
当然，也有一两个AI对我们的社会和我们的未来的影响的担忧。但随着人工智能和物联网的进步和采用不断加速，有一件事是肯定的;影响将是深远的。
