智能是物聯(lián)網(wǎng)核心
第一個關鍵詞是物聯(lián)網(wǎng)，而在第一次物聯(lián)網(wǎng)講堂分享的主題是物聯(lián)網(wǎng)的三個關鍵詞，這三個關鍵詞分別是融合、智能、生態(tài)。而今天特別強調(diào)的物聯(lián)網(wǎng)關鍵詞是智能。
物聯(lián)網(wǎng)概念興起的一個主要推動力是2009年IBM推出的智慧地球概念，進一步影響到美國和中國的政策。IBM對物聯(lián)網(wǎng)的定義中，最關鍵的是智能，物聯(lián)網(wǎng)創(chuàng)造價值主要是利用連接設備的數(shù)量由量變引起質(zhì)變后可以沉淀大量的數(shù)據(jù)，并進一步形成智慧，利用智慧創(chuàng)造巨大的價值。
物聯(lián)網(wǎng)智能特別重要？互聯(lián)網(wǎng)信息聯(lián)網(wǎng)，信息是給人看的，人本身是有智慧的，當人看到信息后，能夠作出進一步處理的決策。但在物物相連之后，物體（或者設備）接收到信息后，如何做下一步處理？物體本身沒有智慧，物聯(lián)網(wǎng)體系就需要有一定的智能，物體根據(jù)收到的信息，將各種物體的實際狀態(tài)信息傳遞出來，體系內(nèi)的智能幫助物體判斷，做下一步的處理，這就需要物聯(lián)網(wǎng)具備智能。
物聯(lián)網(wǎng)系統(tǒng)中，智慧的產(chǎn)生有以下幾種形式：
1、將某一個領域非常有經(jīng)驗的專家經(jīng)驗，融到專家系統(tǒng)中，專家系統(tǒng)會根據(jù)設備狀況提供設備下一步處理的建議。（某石化系統(tǒng)的專家系統(tǒng)，這個系統(tǒng)包含兩部分：一部分是物聯(lián)網(wǎng)，將設備的實時狀態(tài)信息傳遞到系統(tǒng)；另外一部分是專家系統(tǒng)，將石化系統(tǒng)內(nèi)知名的設備維修專家的經(jīng)驗融入專家系統(tǒng)。專家系統(tǒng)為設備實時運行狀態(tài)設定了閥域值，當設備超出閥域值之后，會根據(jù)專家系統(tǒng)的專家的經(jīng)驗，給出設備需要檢查、維護、維修的意見）。
2、將某一領域的知識體系，嵌入到物聯(lián)網(wǎng)系統(tǒng)中。比如將控制算法嵌入到系統(tǒng)中。將APS理論應用到物聯(lián)網(wǎng)系統(tǒng)中（今年在漢諾威工業(yè)展上，SAP主要推廣的是SAP的物聯(lián)網(wǎng)平臺Leonardo，SAP的很多新應用都是在Leonardo上實現(xiàn)的，其中將APS算法融入到系統(tǒng)中，APS是高級排產(chǎn)功能，在SAP的系統(tǒng)中，生產(chǎn)物料根據(jù)生產(chǎn)訂單的工序，自動根據(jù)APS的算法，尋找匹配的閑置的生產(chǎn)設備，提高了設備的利用率。）。SAP的物聯(lián)網(wǎng)系統(tǒng)，融入了APS的知識體系，利用已有知識體系實現(xiàn)智能。
3、隨著大數(shù)據(jù)融合在一個平臺，很多潛在的有價值的關聯(lián)信息大量被挖掘，利用大數(shù)據(jù)分析，從而形成新的智慧。
4、物聯(lián)網(wǎng)具備學習能力，通過一定時間的給定條件的輸入、輸出，訓練出智能，以后根據(jù)訓練出來的智能，在給定輸入情況下提供智能的輸出。
其中第一種、第二種智慧，是人類智慧中非常小的一部分。而未來更多的智慧是通過第三種、第四種模式來形成的智慧。而第三種智慧最主要的是利用大數(shù)據(jù)技術，第四種智慧最主要的是人工智能技術。
學習能力是人工智能的關鍵
看第二個關鍵詞：人工智能。
百度百科對人工智能的定義：人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。
用來研究人工智能的主要物質(zhì)基礎以及能夠?qū)崿F(xiàn)人工智能技術平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學技術的發(fā)展史聯(lián)系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數(shù)理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
我不是人工智能的專家，而人工智能涵蓋面非常廣；所以我介紹人工智能，是從應用這個角度入手，理論不會特別嚴謹，知識抓住人工智能的終重點介紹。
首先我關注到，研究人工智能的機構(gòu)或者研究者很多都是自動化領域的專家，比如現(xiàn)在中國人工智能協(xié)會的理事長譚鐵牛先生，是自動化專家，原來也是中國科學院自動化研究所的所長。而中科院自動化所在人工智能領域的學術能力是最強的，國內(nèi)一家非常知名的人工智能企業(yè)的技術，是自動化所得技術。
而在大學期間學習過的神經(jīng)元控制，就是人工智能：
X是輸入層，隱含層是三層節(jié)點，而這些節(jié)點之間有一定權重。
Y是輸出層。
訓練階段，是已經(jīng)X，Y，訓練隱含層之間節(jié)點的權重。
應用階段：隱含節(jié)點權重確定之后，根據(jù)X，和這些權重，得到輸出Y。
所謂的深度學習，無非是增加了隱含層的層數(shù)。
我在大學期間，計算機處理能力，只能處理非常少的隱含層，但云計算突破了技術的限制，可以解決非常復雜的問題了。
看一下人工智能的發(fā)展歷史：這是譚鐵牛院士在2016年人工智能大會上做的圖?，F(xiàn)在人工智能已經(jīng)經(jīng)歷了三次期望的波峰。第一次是人工智能概念的誕生；第二次是專家系統(tǒng)遍地開花，人工智能專項實用，而第三次就是這一輪的人工智能的興起，這次人工智能的興起，源自云計算、物聯(lián)網(wǎng)和大數(shù)據(jù)等技術的突破，深度學習和大數(shù)據(jù)的興起帶來人工智能的爆發(fā)。
這一輪人工智能熱，是因為深度學習人工智能取得了一定的成功，但深度學習的成功，不是理論方法的突破，而是大數(shù)據(jù)和大規(guī)模計算資源驅(qū)動下的基于基礎理論的技術突破，其本質(zhì)是通過多層非線性影射，對復雜函數(shù)進行逼近。深度學習存在明顯局限物聯(lián)網(wǎng)，對任務的無縫切換，知識遷移，對環(huán)境變化的適應和自我完善物聯(lián)網(wǎng)，對小樣本的舉一反三，與人類的學習能力相差甚遠。
物聯(lián)網(wǎng)與人工智能相互促進
物聯(lián)網(wǎng)與人工智能相互促進：物聯(lián)網(wǎng)為人工智能的發(fā)展提供大量的數(shù)據(jù)，而人工智能幫助物聯(lián)網(wǎng)設備實現(xiàn)智能。今天分享人工智能在物聯(lián)網(wǎng)四層架構(gòu)的作用。
比較通用的物聯(lián)網(wǎng)技術架構(gòu)分三層：感知層、網(wǎng)絡層和智能應用層。隨著技術的發(fā)展，在智能應用層又分為邊緣計算層的智能應用，和云計算層的智能應用。所以今天介紹的架構(gòu)是：感知層、網(wǎng)絡層，邊緣計算層和云計算層。
而這四層都需要人工智能支持。
感知層：
感知層包括傳感器、執(zhí)行器、RFID和一些智能裝置。隨著技術的發(fā)展，感知層越來越需要人工智能。
比如傳統(tǒng)的檢測汽車是否壓線，是否闖紅燈，一般是在路上打磁釘做傳感器，但磁釘影響路面，現(xiàn)在用的是虛擬磁釘：利用圖像，通過對圖像的人工智能處理，通過圖像判斷是否闖紅燈和是否壓線。
還有銀行的防盜系統(tǒng)，通過識別圖像圍欄，來做銀行的安防。這些都用到了人工智能的技術。
以前曾經(jīng)了解過圖漾信息，最近在創(chuàng)業(yè)邦人工智能創(chuàng)新50強中，獲得1500萬的融資，其技術可以做立體識別，通過更加詳細的動作識別來判斷危險動作，曾經(jīng)帶圖漾信息與大華交流，大華非常感興趣，但可惜我沒能幫助這家企業(yè)融到資，但了解了這個行業(yè)的知識。。
在工業(yè)領域，圖像的人工智能技術應用更加廣泛，隨著智能制造的發(fā)展，越來越多的企業(yè)開始個性化定制，而個性化定制，要求檢測技術要求越來越通用化。
我曾經(jīng)在軸承行業(yè)做過調(diào)研，傳統(tǒng)的軸承生產(chǎn)過程中，對產(chǎn)品的檢測是首件檢測，尾件檢測，中間抽檢。而每一批產(chǎn)品，都要手工檢測。傳統(tǒng)的生產(chǎn)批量大，這種模式，這種模式效率低一些可以忍受，如果沒種產(chǎn)品批次很少，用傳統(tǒng)接觸式檢測的效率低，每次檢測調(diào)整周期長?，F(xiàn)在工業(yè)對于非接觸式檢測，也就是通過圖像識別檢測的需求特別旺盛。
如果可以實現(xiàn)非接觸式圖像檢測，一方面可以提高生產(chǎn)設備的柔性，可以實現(xiàn)件件檢測，提高質(zhì)量水平；還可以通過檢測實現(xiàn)動態(tài)刀具補償，降低產(chǎn)品的偏差。
在感知層的人工智能，還包括語音識別，道路識別等等。
最近智能音箱受到資本追捧，主要是利用語音識別技術，讓音箱成為一個人機交互的入口，就需要音箱能夠識別控制命令，信息，并通過語音控制設備。
通訊層的人工智能
當萬物互聯(lián)之后，一個人對應多臺設備，而設備聯(lián)網(wǎng)自動配置是復雜的，就需要設備聯(lián)網(wǎng)智能化，實現(xiàn)網(wǎng)絡的自動配置。
設備具備多樣性，從而決定了物聯(lián)網(wǎng)時代連接方式的多樣性，5G，NB－iot，有線，工業(yè)以太網(wǎng)，總線，WIFI，Zigbee，藍牙等通訊方式都可能存在，還可能會有新的通訊，比如電銷機器人bee。未來有些設備可能支持一種以上的通訊，設備智能聯(lián)網(wǎng)需要選擇適合的通訊方式。
物聯(lián)網(wǎng)時代網(wǎng)絡結(jié)構(gòu)會比互聯(lián)網(wǎng)的網(wǎng)絡結(jié)構(gòu)復雜，從A到B的網(wǎng)絡會有多種路由路徑可選，哪個路由路徑速率快，哪個路由路徑效率最高，哪個路由路徑最穩(wěn)定，這些也需要人工智能。
網(wǎng)絡安全非常重要，就需要在網(wǎng)絡上有良好的網(wǎng)絡測試機制，還需要有智能化的安全機智。計算機的智能安全可以由人通過安全軟件來實現(xiàn)，而設備的安全，其智能功能需要人工智能來實現(xiàn)。
邊緣計算和云計算的人工智能：
我經(jīng)常用仿生的原理來解釋智能的發(fā)展。
比如人在學習一個武術套路時，最開始學習每一招，都要用腦去記住套路，然后堅持鍛煉這個套路，慢慢的熟練成自然，長期堅持，就形成了條件反射，當套路熟練的時候，就不用腦子，就能夠把整套武術快速完整的完成。
而形成條件反射之后，別人打過來時，就會自然形成躲避或者回擊的反應。
所以物聯(lián)網(wǎng)的應用會與人學習武術的模式非常類似：當?shù)谝环N條件發(fā)生的時候，是通過云計算的智能形成，而未來大數(shù)據(jù)與人工智能結(jié)合的智能方式是未來的主流模式。
當相似條件持續(xù)發(fā)生的時候，邊緣計算就會學習云計算處理的方法，逐漸過渡到由邊緣計算自動判斷完成的智能。
這個過程一方面在云計算層要實現(xiàn)基于大數(shù)據(jù)深度學習的人工智能；而邊緣計算層也要不斷學習云計算層的處理，形成類似條件反射的智能反應。
人工智能與物聯(lián)網(wǎng)是相輔相成的，相互支持！物聯(lián)網(wǎng)連接是基礎，依靠智能創(chuàng)造價值！而人工智能需要載體，物理網(wǎng)就是良好的載體！
