機器學習分析工具将如何驅動物聯網

根據abi research近期的一份報告，機器學習分析工具将減少iot的複雜性，并提高iot的采用。該公司預計，随着機器學習即服務（mlaas）模型的發展，機器學習資料分析工具和服務的收入到2021年将達到200億美元。

機器學習是什麼？

abi進階分析師ryan martin認為，機器學習是借鑒已有經驗學習算法的研究。“hard-coded規則的挑戰是不能适應現實世界的環境，hard-coded規則可以在不影響規模的前提下解決一些問題。”

martin表示機器學習可以将很多流程自動化，如一些重複的任務。該技術能在網絡邊緣進行分析，這将保證物聯網系統的健壯性并節約成本。

例如，當分析在網絡邊緣完成而不是将資料發送到雲或者網絡核心進行分析，這使得流量資訊更加高效，減少了網絡延遲進而降低了成本。martin說：“機器學習是網絡邊緣分析的基礎，它能夠促進分布式網絡體系架構的發展。”

此外，通過使用機器學習，公司可以在技術當中添加人物因素，使得資料存在差異而不是技術存在差異。martin表示這是許多雲基礎設施提供商如amazon、google、ibm、微軟投資機器學習的原因，也是為什麼他們要将他們深入學習軟體開源的原因。

今年年初，amazon在github上釋出了開源apache許可的dsstne庫，同樣，google也将其雲端機器學習庫tensorflow進行開源。

martin認為這些機器學習庫向開源的轉變表明這些公司需要更多的合作，他們需要開發者參與到機器學習中來，以開發出更好的工具。他說：“這跟以前專有技術處理專有資料的情況已經有了根本性的轉變，這是令人興奮的現象。”

====================================分割線================================

本文轉自d1net（轉載）