更多
上面所述的幾個例子只是無限的可能性中的一小部分，但它們很重要，因為它們是現(xiàn)在正在運行的物聯(lián)網(wǎng)中的機器學習的有用的應(yīng)用程序。
但總的來說…
我們只抓到了皮毛
未來幾年將繼續(xù)連接到互聯(lián)網(wǎng)的數(shù)十億個傳感器和設(shè)備將生成指數(shù)級的更多的數(shù)據(jù)。正如我在上一篇文章中討論過的那樣，數(shù)據(jù)的巨大增長將帶來機器學習的巨大進步，并為我們帶來無數(shù)獲得收益的機會。
我們不僅可以預(yù)測機器需要維護的時間，還可以預(yù)測需要維護我們自己的時間。機器學習將應(yīng)用于我們的可穿戴設(shè)備，以了解我們的基礎(chǔ)狀況，并在維持我們身體的重要器官出現(xiàn)異常時作出判斷，必要時，會自動打電話給醫(yī)生或救護車。
除了個體之外，我們還可以使用這個健康數(shù)據(jù)來查看整個人群的身體狀況的整體趨勢，預(yù)測疾病的爆發(fā)并主動解決健康問題。
我們還可以在事故發(fā)生之前預(yù)測事故和犯罪行為。來自智能城市的噪音傳感器、攝像機、甚至智能垃圾箱的數(shù)據(jù)都可以傳送到機器學習算法中，以發(fā)現(xiàn)事故或犯罪行為發(fā)生的征兆，為執(zhí)法部門提供強有力的工具（當然這將涉及到一些隱私問題）。
盡管機器學習和物聯(lián)網(wǎng)都處于炒作的高潮，但未來的應(yīng)用和可能性值得這樣的炒作。我們真的只抓到了所有可能性的皮毛。