随着设备和传感器的不断增长，数据量也在与日俱增。面对庞大的数据流，机器学习提升精确性及智能化，以应对物联网的挑战，并推动云计算的智能化发展。

冲破物联网数据流藩篱 机器学习蓄势待发

如今的物联网连接网络使大数据第一代的数据量相形见绌。随着设备和传感器不断增长，他们创建的数据量也将增加。

例如，一辆自主驾驶汽车每天将生成4,000GB的数据。新的空中客车A380-1000飞机在每个机翼上配备了10,000个传感器。传统的大数据技术将不再能够处理智能家庭中的连接电器，智能城市中的交通传感器，以及智能工厂中的机器人系统所创建的数据。

分析这些海量数据集需要采用新技术，例如灵活的云计算和虚拟化，ApacheHadoop和Spark等软件。它还需要更强大的高性能处理器，并提供工具来发现大数据的洞察力。而机器学习就是一种不错的选择。

那什么是机器学习?机器学习通常与人工智能混淆，但机器学习是人工智能的一个子集。人工智能是使计算机和机器自身执行任务的更广泛的概念，而机器学习则是将算法适应所提供的数据。

从研发者角度而言，机器学习是构建智能应用程序的一个组成部分和关键因素，而构建智能应用程序最重要的目标是构建引起客户共鸣的应用程序或服务，为其提供一个简单的方法来使用你的服务，随着时间的推移变得更好。

具体来说，机器学习是指一种自动学习的机器，是一种自动化数据分析方法。计算机能够分析数据并自动从该数据构建模型的科学。该机器可以提供数据并适应自身，以进行更精确的预测并相应地进行操作。

不仅如此，机器学习也可能帮助人们应对物联网的挑战。虽然物联网已经已不同的形式存在了近20年，但是数据驱动云平台仍然重新定义了这一趋势。除了捕获多种传感器传来的大量数据以用来查询外，同时还可以处理和分析各种重要趋势，机器学习可以使云计算变得更加智能。

预知维护是一个比较引人注目的用例，在工业物联网中，这样的平台能够代替人类对设备进行故障监测。多种机器学习算法串联工作，演变为一个合适的模式，能够最好地理解设备所生成的数据集的模式。这些运算模型能够主动发现可能会最终导致设备停机的异常现象，而这个能力将使工业物联网进入下一个阶段。

英特尔数据中心机器学习解决方案总监VinSharma表示，第一代大数据分析是围绕社交媒体、在线购物、在线视频、网上冲浪以及其他用户生成的在线行为产生的信息流动而成长的。

随着新数据的快速生成，大量计算能力可用性，新机器学习平台(无论是像亚马逊，谷歌和微软这样的大型技术公司或Dato等初创公司)易用性的推广，将会有越来越多的应用程序生成的实时预测随着时间的推移不断变得更好。在某项统计的100家早期创业公司中，有超过90%已经计划使用机器学习为他们的客户提供更好的体验。

预计，机器学习将在2017年开始从实验室研究和概念验证实施转向领先的业务解决方案。机器学习将帮助企业进行创新，如自主汽车，精密养殖，治疗药物发现，以及金融机构的高级欺诈检测。