说到传感器，大家首先想到的应该是可穿戴设备。现在，可穿戴设备已经广泛传播，Fitbit、Garmin等都已经融入了我们的生活。 而很多人不知道的是：我们也能用传感器来检测钢筋水泥城市中的高楼和桥梁，还能用它们来跟踪动物昆虫的行动轨迹。
随着物联网的飞速发展，将来十年中将会有数百亿个传感器设备融入我们生活的方方面面，从工业部门到健康部门，从经济部门到军事部门，传感器让生产效率更高，让生活更美好。
以下是2013年到2020年物联网创造的价值：
不过，虽然物联网设备运用广泛、价值重大，这些设备都有自己应用的范围，设备的性能决定了它们的使用地点、环境和人群。
让AI和物联网结合
因此，如果我们将AI引进物联网会怎样呢?有了AI，这些设备将能改变它们应用的范围。就像人类可以慢慢适应陌生的环境，即使较小的物联网设备也可以与AI机器相适应。
就拿智能手机来说，用户可以根据自身的喜好下载app， 随时升级或卸载app，让手机变得独一无二。
而如果手机可以通过统计我们的app，从而学习我们的喜好呢?这可以让个性化过程变得自动化。
但如果你并没有向设备表达自己的喜好，那么它们还会了解你吗?很明显，设备并不能。
这时，AI的作用就突显出了：它能让手机更快地学习。
让设备相互学习
两只相近的智能手机可以相互学习，它们能够运行自己的AI机器，并能分享自己程序的逻辑块，来加速学习。比如，它们可以相互学习如何保持电池的寿命。
设备之所以能够相互学习，背后有两个原因。首先，每台手机都可以独立学习，来发展自己的基因材料。在演化计算中，这叫做“岛屿模式”。在物联网中，每台设备都能变成自己的“岛屿”。
此外，这些设备能够分享他们学习到的东西。 这将增加基因库的多样性，对于能够学习或是进化的系统很有帮助。这也意味着这些设备知道如何更好地适应新的环境。
AI和物联网设备的结合，与动物跟踪机制有些相似。将传感器安装到动物耳部的皮革或金属耳标上，就能跟踪野生动物、宠物和家畜的活动。
为了跟踪更加精确的信息，每台设备需要学习动物的行动特征(比如物种、年龄、性别等)，而这些都可在AI的帮助下进行。
那在跟踪动物之时，设备怎么相互学习呢?当两只动物相遇，物联网设备就能分享它们学习到的内容，这样两台设备就能相互进步，并能将之运用于其他相似的动物特征研究之上。
让传感器预测错误
物联网的分享和学习功能所造福的不只是动物和人类，它还能检测城市桥梁、道路的状况。
在很多情况下，因为较高的成本和较远的距离，这些设备并不能联网，但是它们能就地收集信息，并能学习传感器数据的特定模式，来预测错误。
因为错误非常少，因此与临近设备分享的信息能够构成更大的数据库，来训练其他的设备，而这些设备可能不曾遇到过错误。
不过，说到如何让物联网设备从现实中学习，我们还有很多问题尚待解决。如果设备分享信息，那么会泄露用户的隐私吗?这就需要看看这些信息是否具有特殊意义了。比如，包含遗传程序的信息是不可分享的。
一部物联网设备也需要确保在它与新的环境反应之时，同时持续执行任务。我们需要运用适当的安全控制，比如为设备设定硬性限制，规定它可以学习什么，不可以学习什么。
另一个问题就是：设备如何决定了哪一台临近的设备值得信赖?如果恶性设备进入设备所处的环境，设备该怎么办?这都是亟待解决的问题。
因此， AI和物联网的结合将会为我们的生活带来极大的便利。但是，因为现在AI还处于低级阶段，因此其与物联网的结合应用也处于婴儿期。虽然它潜力巨大，但仍需我们的研究、dao和调查。