5G網(wǎng)絡加上AI 讓物聯(lián)網(wǎng)系統(tǒng)更加高效

可以使用諸如機器學習（ML）之類的技術來增強優(yōu)化決策，機器學習是人工智能（AI）的組成部分。ML獲取由健康應用程序，智能儀表或支持互聯(lián)網(wǎng)的汽車等生成的數(shù)據(jù)，并使用這些數(shù)據(jù)來發(fā)現(xiàn)模式并學習如何優(yōu)化給定服務。例如，NVIDIA開發(fā)了智能視頻，處理大數(shù)據(jù)分析并將機器學習應用于視頻流。他們與50個AI城市合作伙伴合作，利用該技術改善智能交通等領域。到2020年，預計這些智能相機將達到10億。這是生成，分析和采取行動的大量數(shù)據(jù)。該系統(tǒng)將取代人工解釋，取而代之的是機器學習算法，預期在準確性和速度方面有所提高。這個城市大腦將處理我們的許多個人數(shù)據(jù)，包括有關我們運動的視覺數(shù)據(jù)。

如上所述，機器學習需要數(shù)據(jù)來發(fā)現(xiàn)模式和趨勢。對大數(shù)據(jù)的分析為城市服務提供了高度響應其公民需求所需的信息。它還在服務中使用這些數(shù)據(jù)來構建更優(yōu)化的服務使用響應，有助于增強體驗并提高可持續(xù)性。正在探索適合人工智能和機器學習的一個領域是服務的個性化。這要求在用作分析工具之前收集和匯總個人數(shù)據(jù)。

我們必須仔細考慮數(shù)據(jù)如何使智能城市體驗個性化，以及在智慧城市環(huán)境中利用AI和ML的偏見和隱私問題。

AI和ML如何個性化智能城市服務

例如，個性化體驗的ML工具已經(jīng)在營銷中使用。在這里，他們習慣于定制在線網(wǎng)站，顯示用戶希望從他們預測的配置文件中喜歡的產(chǎn)品。在智能城市中，相同類型的算法可用于其他目的。例如，三所英國大學的一項研究考察了各種ML算法在自行車和天氣中的應用，以此作為在智能城市內(nèi)創(chuàng)建個性化服務的一種手段。這是基于大數(shù)據(jù)的收集，匯總和分析。該研究得出結(jié)論：ML，物聯(lián)網(wǎng)和大數(shù)據(jù)的結(jié)合，為智能城市技術和服務的開發(fā)者提供了巨大的潛力。

流量卡之家認為，AI和ML無疑是當下物聯(lián)網(wǎng)系統(tǒng)的最好補充。在前端，傳感器能夠收集更多數(shù)據(jù)，在5G網(wǎng)絡的應用之下，短時間傳輸更多的數(shù)據(jù)，大大提高數(shù)據(jù)傳輸效率。當然，數(shù)據(jù)的增加需要AI、ML等進行更快的數(shù)據(jù)分析處理，這樣一套流程下來，要比以往的物聯(lián)網(wǎng)系統(tǒng)高效的多。

相關閱讀：http://www.wlk.cn/a/946