1.1　物联网和人工智能

既然说到了物联网，那么这里有必要再提一下人工智能。

人工智能可谓近年来IT领域最火的词语之一。人工智能的概念是在1956年提出的，之前一直不温不火，直到最近几年才得以飞速发展，尤其是以神经网络为代表的深度学习，发展更为迅速。

神经网络是深度学习中的一种非常重要的技术，它用类似于大脑神经元的架构来组织学习网络，在分类、计算机视觉方面的应用场景非常多。它的特点之一就是需要大量的数据进行训练。

纵观人工智能的发展路线，我们可以看到，人工智能的发展之所以能够突飞猛进，主要有以下两个原因。

·硬件的发展使得深度学习神经网络的学习时间迅速缩短。

·在大数据的时代，获取大量数据的成本变低。

事实上，第二个原因尤为重要，神经网络由于其特性，需要海量的数据进行学习，可供学习的有效数据量往往决定了最后训练出的神经网络的效果，甚至算法的重要性都可以排在数据量之后。

而物联网设备，比如智能家电、可穿戴设备等，每天都在产生海量的数据，这些数据经过处理和清洗后，都可以作为不错的训练数据反哺神经网络。同时，训练出来的神经网络又可以重新应用到物联网设备中，进而形成一个良性循环。这里举个例子，通过交通探头，我们可以采集大量的实时交通图片。经过处理，我们把图片“喂给”神经网络，比如SSD（Single Shot MultiBox Detector）。SSD先学会在图片中标注出人和汽车的位置，然后把模型部署到探头端，探头就可以利用深度学习的结果，实时分析人流和车流情况。

SSD是在物体识别中常用的一种神经网络。

图1-1所示为物联网应用人工智能方法进行数据采集-迭代的循环。通过物联网设备采集并训练数据，在数据中心完成训练后，将模型应用到物联网设备，并评估效果进行下一次迭代。

图1-1　采集-迭代的循环

物联网是人工智能落地的一个非常好的应用场景。随着人工智能的迅速发展，物联网这个同样在很多年前就提出的理论和技术，也会迎来新的春天。

目前，互联网数据入口渐渐朝几大巨头（例如阿里、腾讯）汇聚，规模较小的公司获取数据的代价越来越高，物联网这块还未完全开发的数据领域就显得尤为重要。

这也是本书侧重于物联网平台开发而略过前端设备开发的原因，因为前端设备最终会趋于相同，出现同质化竞争，而如何采集和使用好设备产生的海量数据，才是你是否具有竞争优势的决定性因素。