预测机器何时需要维护是非常有价值的，能够节省数百万美元的成本。Goldcorp是一个很好的例子，Goldcorp是一家采矿公司，它使用巨大的车辆来运送材料。
当这些运输车辆出现故障时，Goldcorp每天将损失200万美元。 Goldcorp正在使用机器学习预测机器需要维护的时间，准确度超过90%，这意味着巨大的成本节省。
2、塑造个人体验
其实我们都很熟悉日常生活中机器学习的应用。亚马逊和Netflix都使用机器学习来了解我们的偏好，并为用户提供更好的体验。这可能意味着建议它会向你推荐你可能喜欢的产品和视频节目。
类似的，机器学习在物联网中，能根据我们的个人喜好来塑造环境，这是非常有价值的。Nest Thermostat是一个很好的例子，它使用机器学习来了解用户对室温冷暖的偏好，确保当用户从上班回家或在早晨醒来时，家里保持合适的温度。
上述用例只是无数种可能性当中的一小部分，但它们很重要，因为它们是现有在物联网中的实用的机器学习应用。
更多的可能性
未来几年将有数十亿个传感器和设备连接到互联网，将产生指数级的数据。数据的巨大增长将带来机器学习的巨大进步，为我们带来无数机会获得收益。
我们不仅可以预测机器何时需要维护，还可以预测人类健康何时需要维护。机器学习将应用于可穿戴设备的数据，以了解我们的基本情况，并确定我们的生命体征会何时变得异常，如有必要，自动打电话给医生或叫救护车。
除了个人之外，我们还可以使用这种健康数据来查看整个人群的健康趋势，预测疾病的爆发，采取主动的措施解决健康问题。
我们也可以在事故发生之前预测事故和犯罪行为。智能城市当中的噪声传感器，摄像机甚至智能垃圾箱的数据都可以传输到机器学习算法中，以发现事故或犯罪的前兆，为执法部门提供强大的工具(当然这里涉及一些隐私问题)。
尽管机器学习和物联网都存在炒作的成分，但未来的应用有无限的可能性，我们很可能目前只抓到了一些皮毛。