物聯(lián)網(wǎng)與AI的結(jié)合:讓不同的智能手機相互學習
讓設備相互學習
本文引用地址:http://m.butianyuan.cn/article/201608/295414.htm兩只相近的智能手機可以相互學習,它們能夠運行自己的AI機器,并能分享自己程序的邏輯塊,來加速學習。比如,它們可以相互學習如何保持電池的壽命。
設備之所以能夠相互學習,背后有兩個原因。首先,每臺手機都可以獨立學習,來發(fā)展自己的基因材料。在演化計算中,這叫做“島嶼模式”。在物聯(lián)網(wǎng)中,每臺設備都能變成自己的“島嶼”。
此外,這些設備能夠分享他們學習到的東西。這將增加基因庫的多樣性,對于能夠?qū)W習或是進化的系統(tǒng)很有幫助。這也意味著這些設備知道如何更好地適應新的環(huán)境。
AI和物聯(lián)網(wǎng)設備的結(jié)合,與動物跟蹤機制有些相似。將傳感器安裝到動物耳部的皮革或金屬耳標上,就能跟蹤野生動物、寵物和家畜的活動。
為了跟蹤更加精確的信息,每臺設備需要學習動物的行動特征(比如物種、年齡、性別等),而這些都可在AI的幫助下進行。
那在跟蹤動物之時,設備怎么相互學習呢?當兩只動物相遇,物聯(lián)網(wǎng)設備就能分享它們學習到的內(nèi)容,這樣兩臺設備就能相互進步,并能將之運用于其他相似的動物特征研究之上。
讓傳感器預測錯誤
物聯(lián)網(wǎng)的分享和學習功能所造福的不只是動物和人類,它還能檢測城市橋梁、道路的狀況。
在很多情況下,因為較高的成本和較遠的距離,這些設備并不能聯(lián)網(wǎng),但是它們能就地收集信息,并能學習傳感器數(shù)據(jù)的特定模式,來預測錯誤。
因為錯誤非常少,因此與臨近設備分享的信息能夠構(gòu)成更大的數(shù)據(jù)庫,來訓練其他的設備,而這些設備可能不曾遇到過錯誤。
不過,說到如何讓物聯(lián)網(wǎng)設備從現(xiàn)實中學習,我們還有很多問題尚待解決。如果設備分享信息,那么會泄露用戶的隱私嗎?這就需要看看這些信息是否具有特殊意義了。比如,包含遺傳程序的信息是不可分享的。
一部物聯(lián)網(wǎng)設備也需要確保在它與新的環(huán)境反應之時,同時持續(xù)執(zhí)行任務。我們需要運用適當?shù)陌踩刂?,比如為設備設定硬性限制,規(guī)定它可以學習什么,不可以學習什么。
另一個問題就是:設備如何決定了哪一臺臨近的設備值得信賴?如果惡性設備進入設備所處的環(huán)境,設備該怎么辦?這都是亟待解決的問題。
因此, AI和物聯(lián)網(wǎng)的結(jié)合將會為我們的生活帶來極大的便利。但是,因為現(xiàn)在AI還處于低級階段,因此其與物聯(lián)網(wǎng)的結(jié)合應用也處于嬰兒期。雖然它潛力巨大,但仍需我們的研究、dao和調(diào)查。
評論