機器學習在20世紀40年代以及艾倫圖靈之后就已經(jīng)存在了。早期的方法是使用符號編程，依靠機器規(guī)則作為學習的基礎(chǔ)。如今，算法的發(fā)展已經(jīng)轉(zhuǎn)向了模式識別，應(yīng)用精細化的學習技術(shù)。隨著機器學習朝著這個方向發(fā)展，我們已經(jīng)看到應(yīng)用效率的巨大提升。嵌入式開發(fā)

作為一項具備轉(zhuǎn)型意義的關(guān)鍵技術(shù)而被廣泛討論的是機器學習，這是實現(xiàn)物聯(lián)網(wǎng)崇高愿景的關(guān)鍵。當然它還處于新生階段，但發(fā)展速度是驚人的，其影響將是具備轉(zhuǎn)型意義的。

然而，支持機器學習必然會需要更大的計算資源。我們遇到的主要挑戰(zhàn)是將計算資源遠遠地推到產(chǎn)生數(shù)據(jù)的網(wǎng)絡(luò)邊緣，這樣就可以讓設(shè)備自身在更短的時間內(nèi)做出關(guān)鍵性的決策，而不會因為要將數(shù)據(jù)傳送到云端而產(chǎn)生時間延誤。最終，企業(yè)會希望實現(xiàn)流動計算的模式，以便為在任何需要的地方和需要的時間為設(shè)備賦予智能。于是，我們將真正能夠充分利用機器學習的力量。

大多數(shù)企業(yè)機構(gòu)都把物聯(lián)網(wǎng)看作是由多個階段構(gòu)成的整體。大致的思路都是先把設(shè)備連接起來，然后使它們智能化，最后使它們自主化。但是，當你注意到它是一個整體系統(tǒng)之后，就會發(fā)現(xiàn)其背后所潛藏的其他組成部分，也就是更多的技術(shù)需求和業(yè)務(wù)需求。做好物聯(lián)網(wǎng)轉(zhuǎn)型這件事必須抱有強烈的意愿。決心有多大，這是一個非常重要的問題。任何企業(yè)機構(gòu)，如果他們把物聯(lián)網(wǎng)和機器學習視為一個新的陌生領(lǐng)域，那就必須去學習。對于學習意愿和學習能力，無論怎么強調(diào)都不會過分。

如果企業(yè)機構(gòu)認為僅僅依靠他們原有領(lǐng)域的知識就可以阻止來自鄰近市場的新競爭者，那么他們肯定就打錯算盤了！只要能夠獲得正確的數(shù)據(jù)集，同時擁有足夠的計算資源，程序員即便只有有限領(lǐng)域?qū)ｉT知識，也可以開發(fā)出能夠取得顯著成果的算法。所以，企業(yè)機構(gòu)必須認識到，必須加快自己發(fā)展機器學習技術(shù)應(yīng)用的速度，否則他們將看到來自臨近市場的新競爭對手，在他們的后視鏡里迅速追趕上來。

機器學習的應(yīng)用不是今天即可到手的獎品，但卻是近期容易到手的目標，基本上用不了一年時間。流動計算、IT可擴展性和機器學習是迷人的技術(shù)。但在下一個十年里，機器學習和流動計算的發(fā)展將大大加速。

來源：朗銳智科