人工智能已成为IT产业的最新热词。物联网让洗碗机，冰箱，电视，汽车等所有事物都连接起来，再加上人工智能的助力，使很多人都认为产品正开始学习像人类一样思考。同时，计算机也更加智能，比如2016年谷歌的人工智能软件AlphaGo 就打败了世界上最顶尖的围棋手之一，又一次打破人们的预期，闹得沸沸扬扬。
随着科技的进步，配备AI技术的物联网系统会带来更大价值吗?想要知道这个答案，我们需先了解下AI技术目前的进展和使用。
计算机资源的重要性
物联网中的AI可能需要及其昂贵和强大的计算机。AlphaGo中有1920个CPU，280个GPU，还储存几百万个专业围棋的走子记录，才得以用如此大量的计算资源打败了围棋职业9段李世石。在技术上，我们可以减少计算资源，让AI解决复杂度更低的挑战和更多样的物联网用例的问题，甚至还可以解决与围棋问题同等复杂的问题。
使用前的训练
现在的AI无法即时解决某个问题，至少无法不经过训练就解决问题。事实上，AI投入使用前系统还有大量工作要做。以AlphaGo为例，算法需要寻找有用的围棋走子，而深度学习技术则广泛应用过去专业竞赛中的数据集，帮助“预测”或评估与当前棋局相关的走子。
要在物联网系统中应用AI，我们必须为了特定的用例花时间研发传统算法并训练AI。目前已经有一些这样的解决方案，比如富士通的运营数据管理和分析(ODMA)业务应用程序就使用了机器学习技术以实时检测传感器所搜集技术的异常现象。
随着IT产业解决问题能力的增强，这一点得到改善。最近富士通实验室研发了一些能够实现更快速机器学习和更大型神经网络的技术，这些技术能判断驱动程序是否过于迟缓，还能根据器械振动预测宕机。
AI包含多项技术
想要得到基于AI的商业解决方案，我们需要为其研发一系列认知能力并将其结合起来，包括：感知，推理，选择，学习，沟通，移动和操纵。AI通常需要依靠不同技术才能实现这些能力。因此，我们不仅需要了解技术需要什么知识才能在既定用例上取得最佳表现，还要了解机器如何获取复杂的综合技术以使各项技术无缝衔接。
比如，优化建筑物能源配置的物联网系统可能需要使用如下技术：
深度学习系统，分析并预测建筑物内外的交通拥堵情况，判断建筑物外人们的交通模式。
视频分析系统，在建筑物内基于Wi-Fi的实时手机位置跟踪系统的辅助下，判断建筑物关键位置的交通流量。
机器学习系统可以根据商业天气预报服务，了解下一小时天气预报以判断室内温度的变化，以最优化冷却水系统的温度。
仿真模型，基于建筑物上的光照射度，判断内墙外墙的温度。
最后还需要一个规则引擎，基于其他所有技术的数据，以节省能源的方式控制灯光，空调，升降机等。
训练后学习
另一个问题是，AI技术是基于过去的数据形成规则。如果系统遇到新情况，AI或许无法适当应对。AI通常无法脱离人类干预而进化，虽然有些技术在设计上是这样的。在AI需要改变时我们将需要人类自身的判断。
伦理与法律框架
同样重要的是，物联网系统应用AI技术时，或许会有一些伦理和法律要求取代人类的判断。这种责任分配还未得到广泛探讨，如果出现问题，应该负责的是研发AI算法的机构，还是训练AI的机构，还是提供训练数据的人，还是部署AI算法的客户呢?我们都不得而知。
物联网的AI尚处幼年。采取以人为中心的算法，AI技术在发展中将解决大量挑战，大大提高我们的效率，潜力无穷。关键是，需要将技术无缝集成到人类活动中——让人们从重复性的常规工作中解放出来，同时做重要的决策获取最大程度的支持。保证遵守监管框架，平衡利益与资源和时间的关系都至关重要。