當 IBM 的 Watson 和 Google 的 DeepMind 在智力競賽節(jié)目 Jeopardy 中的表現(xiàn)超越人類時，機器學習已經(jīng)帶來了潛在的問題：如果 Fitbit 可以拯救你的生活，一個 Nike + Fuel Band 并不能拯救你的生活，你會購買哪一個產(chǎn)品？物聯(lián)網(wǎng)時代，該如何判斷“智能”設備。

1996年，美國芝加哥庫克縣醫(yī)院（Cook County Hospital ）的急診室使用算法來確定胸部疼痛患者何時有心臟病發(fā)作的危險，同時需要為其配備醫(yī)院里稀缺的病床。該算法使用基于流程圖的系統(tǒng)基本測試方法，不僅快速有效，而且準確：它將70％的患者分類為低風險類別，能夠發(fā)現(xiàn)95%的心臟病發(fā)作情況，而人類醫(yī)生只能發(fā)現(xiàn)75-89％的發(fā)病情況。更重要的是，這一測算結果還未使用任何深度計算。
 

 

如今已有大約64億個物聯(lián)網(wǎng)設備在使用，也就是世界上幾乎人手一個。哪怕只有1%的設備可以通過收集關于脈搏，飲食或睡眠的數(shù)據(jù)來分析人們的健康狀況，那么這也意味著，世界上“醫(yī)生”的覆蓋范圍將擴大五倍。 

但真正的魔力來自機器學習。除了在更多地方應用單數(shù)算法之外，這樣的數(shù)據(jù)規(guī)模是人類醫(yī)生即使有幾十年的工作經(jīng)驗也無法得到的。想象一下，例如，F(xiàn)itbit 注意到你的脈搏波動，監(jiān)測到你心臟方面的問題，送你去醫(yī)院治療，機器學習意味著通過家用設備解決一些看似不可能的問題。

“智能”的真正價值

毫無疑問，“機器學習”使得“智能”小工具領先于其它物件。以 Nest 為例，Nest 是典型的智能設備。人們買這一物品不是因為它們可以通過手機來調節(jié)室內溫度，而是購買該產(chǎn)品的節(jié)能功能，根據(jù)人們的存在和需求自動調節(jié)室內溫度，以一種智能的方式解決了以前無法實現(xiàn)的問題。

然而大多數(shù)制造商只是追逐便利。比如菲利普 HUE 燈，雖然漂亮，但這一產(chǎn)品被貼上“智能”的標簽只是因為你可以用手機來對其進行控制。實際上，這并不是一個需要解決的問題。你不會因為一個人會開燈就說這個人聰明。因此，為什么這樣的產(chǎn)品也被賦予“智能”的標簽呢？

消費者物聯(lián)網(wǎng)中缺少真正的“智能”特性，也是導致其發(fā)展受到阻礙的一個方面。遠程訪問門鎖，或者當您回家時自動打開的收音機只是奢侈品，與精致餐飲或郵輪打包在一起消費——只有上層階級消費得起這樣的產(chǎn)品。

機器學習所達到的目的應該是，將想要的變成必須的：恒溫器，能夠保持室內溫度，同時為你省錢；可以給予你個性化提示睡眠或健身的可穿戴設備；或者在污染源為你的家人帶來傷害之前就可以偵測到的環(huán)境監(jiān)測器。
 

 

機器學習將永久定義誰是真正的贏家

具有機器學習功能的產(chǎn)品在架子上看起來更酷炫。但機器學習的本質意味著，在所有競品之中，那些走在正確的機器學習之路上的產(chǎn)品才更能夠長期保持自己的優(yōu)勢。

多虧了云技術，將機器學習搭載到設備上并不是設計問題（其實就是連接問題），也不是硬件問題（繁重的處理過程可以遠程完成）。從某種程度上，這是人才的問題，因為有能力的工程師是罕見的，但這總可以通過足夠的資金來解決。更重要的是，這是一個數(shù)據(jù)問題。

為了使計算機更可靠地進行模式研究，所需要的數(shù)據(jù)是海量的。它需要考慮眾多因素，從用戶偏好到使用案例，環(huán)境等等。但是這些因素中的許多或甚至大多數(shù)是時間相關的：使用頻率、行為頻率、條件頻率，隨時間變化的用戶行為變化，隨環(huán)境產(chǎn)生的季節(jié)變化，受傳感器壽命影響的數(shù)據(jù)精確度等。

無論有多少產(chǎn)品，公司前進的腳步也不會更快。競爭對手已經(jīng)在市場上領先了六個月，即使再多的用戶或者資金也無法彌補差距。只有將數(shù)據(jù)從根本上優(yōu)于競爭對手，無論是讀數(shù)的準確性，還是可靠的早期支持功能，只要你保持活躍，你就將成為競爭對手無法超越的領導者。

不只是大公司的游戲

雖然目前只是 IBM 和 Google 在相關領域發(fā)展迅速，似乎看上去機器學習對于初創(chuàng)公司來說太昂貴了。但也許事實并不是如此。其中的訣竅是，可以在其他人的電腦上做繁重的工作。因為有云技術，這一切都將成為可能。初創(chuàng)公司可以按小時支付，以獲得一些最復雜的機器。使用幾行程序代碼，您甚至可以連續(xù)排列許多批次，以保持效率。
 

 

更重要的是，由于設備本身只需要很少的硬件就可以實現(xiàn)機器學習，因此，在發(fā)布第一批產(chǎn)品時，設計和前端工具仍然占有重要作用。 

即使 Nest 起初也不那么智能，只是一個手機控制的恒溫器，通過簡單的算法粗略地預測提高室內溫度所需要的時間。因為開始它還不是很了解自己的用戶。但是，要升級用戶家庭的定義功能，公司只需要不斷發(fā)送數(shù)據(jù)包即可。您不需要支付更多的費用就可以通過機器學習獲得更好的體驗（只要在競爭對手之前做好這一步即可）。

專業(yè)知識民主共享

也許一個創(chuàng)業(yè)公司以機器學習作為重點業(yè)務板塊看上去有些可怕，但是，有更多的理由可以讓我們保持樂觀而不是害怕。機器學習增加了比人們想象的更多的價值。它為每個健身區(qū)都安排了醫(yī)生，為每個智能鎖都安排了偵探，為每個環(huán)境監(jiān)測器都安排了一位健康檢查員，也為每個豪華設備安置了一個管家。 

機器學習是真正使智能設備停止提供便利，而發(fā)揮強大作用的途徑。我們已經(jīng)看到早期設備比如 Nest 和 Echo 在不斷完善的過程中為我們的生活增添了無窮價值。當數(shù)以百計的科技公司都加入到這一行列，世界將產(chǎn)生巨大的不同。