物聯網和機器學習的未來——人類將扮演什麼樣的角色？

------ 【導讀】 ------

任何一家公司都需要從非常基本的使用案例開始，然後進入更複雜的演算法依賴關係，最終引入機器學習。

機器學習及其融入商業模式在過去的20年間已是非常普遍的現象。Cumulocity總經理Jari Salminen見證了機器學習技術的進展以及相關行業通過其取得的廣泛進步。他說，企業應該採取務實的步驟來連接他們的資產並開始收集數據。而不是花時間來建立宏偉的策略，然後假設價值可以很好的實現。

「我們今天看到的是，當公司開始連接資產並收集信息以便能夠依賴機器學習演算法及準確性時，通常會出現一些延遲。」 Salminen說，「這些演算法的訓練需要大量的數據，因此需要更多時間來採集數據。任何一個公司都需要從非常基本的使用案例開始，然後進入更複雜的演算法依賴關係，最終引入機器學習。」

在Cumulocity公司，Salminen經常與製造和工業公司打交道。他認識到，從生產和製造的角度來看，很多供應商目前都期待成熟的物聯網解決方案。

Salminen鼓勵那些近幾年通過製造或供應鏈管理的物聯網解決方案成本審查的企業繼續做下去。他解釋：「業務發展速度很快，現在也非常具有成本效益，因為過去五年間，硬體、連接和軟體的價格大幅度下降。」

劃分演算法責任

這些解決方案可以準確、高效的實現很大程度上取決於它們的演算法。這些演算法的自動化程度越來越高，它們對供應鏈的影響越來越大，已經超出了我們的預期。

如今，大多數行動仍然是由用戶完成的，這裡有幾個原因。例如問責制，從長遠來看，我們需要問這個問題。決策能基於機器學習的演算法嗎？ 也許可以。然而，這些問題及其答案超越了技術本身，因為人們關心電腦以外的人對決策負責，這是一個複雜的領域。

那麼，當沒有人參與這個過程時，如何合法和道德地處理決策？ 汽車行業當前正在面臨類似的問題。

與物聯網項目中機器對機器決策的問責制密切相關的是安全問題。 一般來說，在連接，機器和網路方面，圍繞安全的問題永遠不會太遠。

多層次的安全管理

安全問題在物聯網項目中存在多個層次：硬體-意味著設備，機器和資產；連接-無論是移動連接還是新的窄帶物聯網解決方案；後端-意味著雲或伺服器。最重要的是，企業可能會為公司用戶、合作夥伴甚至消費者提供特殊應用。需要在所有這些層面對安全進行控制和監測。

當多個地區被忽視時，通常會發生安全漏洞。吸引黑客攻擊的最常見區域就是暴露在互聯網訪問端的設備。這些設備在黑客掃描範圍之內。如果企業正在管理硬體，那麼他們應該把廣域網關閉。從連接的角度來看，他們必須確保一切在傳輸過程中的數據被完全加密。

如果在硬體和連接之上提供雲服務時，必須保證整個系統是穩定可靠的。最終，在安全方面，任何事情都不能單獨考慮，而必須由端到端的項目負責人從中考慮整個領域的安全問題。

當被問及如何看待機器學習和物聯網的未來形勢時，Salminen認為各個產業最初都會經歷炒作階段，但更先進和更複雜的用例的實施正在成為現實。

每個設備的連接成本正在下降，因此產業解決方案方面可以實現新的發展。 物聯網技術在資產管理方面應用越來越廣泛，這意味著，窄帶技術越來越受歡迎。 然而，物聯網還欠缺什麼，在未來幾年將需要解決的是標準化。

雖然Salminen堅持認為必須採用關於標準化的綜合理念，但他並沒有預見到將使用適用於各行業的單一標準。

「我的猜測是，從設備到數據結構的所有環節，不會有一個總體標準。物聯網用例十分豐富，不可能創造出能夠覆蓋所有的東西」，Salminen如是說，「我們看到很多服務將MQTT（消息隊列遙測傳輸）作為通訊協議，它甚至不嘗試規範物聯網協議棧的所有部分。例如，它不處理留給開發人員決定的消息有效負載格式。」

另一方面，Salminen認為，開放移動聯盟的輕量級M2M這樣的標準並不被市場參與者所接受，因為可能不符合許多用例需求。

儘管如此，那些希望啟動物聯網項目的人仍需要考慮現有標準，但不能受其限制。關鍵是，企業不能被鎖定到任何標準上，而是在未來需要改變的情況下具有較強的靈活性。

「在開始物聯網項目時，我會看最新的連接選項，搜索標準，如果存在，再看它們是否與我的生意相關。然而，我現在不會強制使用任何標準，因為事實上很少的標準與我的生意有相關性，」Salminen總結說。