从工业4.0看物联网与人工智能发展

或在医疗方面Kaiser Permanente使用行动技术为居家的病患提供远程监控选择，藉此提高病患的参与和便利性，同时为临床医生启用更有效率的工具。他们正在测试将医疗设备 (例如血压计、血糖仪和可穿戴的“手环”监控器) 连接到智能手机。智能手机会当做网关装置来运作，负责传送数据给安全的云端，以便与现有的分析以及可在 Kaiser Permanente 数据中心执行的数据可视化程序整合在一起。临床医生可以透过中央仪表板存取这些数据，以获得有关病患健康和活动状况的全盘且几近实时的了解，透过几乎实时远程监控重大生命迹象和自动警示，增强对病患的照护及提高他们的安全。

未来的趋势

早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用机率和经济学上的概念，人工智能研究还发展了处理不确定或不完整的信息，对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，计算机会需要天文数量级的内存或是运算时间，这些硬设备的投资，不仅成本昂贵且对于使用者有着较高的技术门坎。

不过云端、巨量资料、物联网的发展，让人工智能研究得以进一步商品化，近年来我们不仅看到了用于精密检测的机器视觉系统、用于装配作业的初级智能机器人系统和用于微型计算机的自然语言接口以及各种专家系统，还在智能家居、智能大楼、车用系统等设备中得到了广泛的应用。在一定程度上这些项目利用到了物联网、巨量数据分析、人工智能上的机器学习和自然语言理解等技术，但它又不像那些传统人工智能一样，看了就让人敬而远之，似乎只是在实验室中的产品，现在这些技术将普遍应用于生活家居、医疗照护、会计，预测疫情和犯罪等，都能透过IOT x 人工智能帮忙。

企业的机会

很多人认为个人或中小型的企业要运用人工智能技术发展业务是困难且昂贵的，但愈来愈多的业者像Microsoft Azure、Amazon AWS、IBM Watson Analytics等，都己经提供云端机器学习的相关服务，让开发团队可以专注在资料的搜集、要解决的问题、判断要“学习”什么问题，其它运算的工作就让机器学习这个平台来完成，因此机器学习技术变的更易于使用、更便宜，因此经济部工业局也提出了工业4.0，一来透过物联网与人工智能，避免因为缺工问题而造成的产业危机，二来则是改善所有产业的生产力，如此，最困难昂贵的部份如网络、存储器、机器学习等资源由云端业者提供，我们不需投入昂贵的硬设备，只要专注于IoT x人工智能的应用，发展核心新事业，发现新的商业机会。