什么是人工智能（AI）？

人工智能（AI）是一個試圖模擬人類行為的系統，更具體地說是一個電氣和/或機械實體，它模擬對輸入的響應，類似于人類的行為。這方面最好的具體例子是語音識別，系統需要理解口語術語、縮寫、代詞以及標準單詞，以便像與最好的朋友交談一樣做出反應。

人工智能的關鍵是從傳感器或傳感器組合中獲取輸入，并根據目標確定適當的響應。例如，家庭安全系統的目標是保護家庭。它必須確定振動和聲音傳感器的輸入是否與破碎窗戶的輸入匹配，如果匹配，則觸發警報并通知當局。它試圖匹配的行為，如果你在沙發上，窗戶被打碎你會聽到它，認出它，并運行撥打緊急服務。

什么是機器學習（ML）？

機器學習（ML）是系統在重復使用后自我改進的能力。這樣做的目的是，它可以利用收集到的數據來提高自身的能力和改進。

ML是創建人工智能的副產品，因為研究人員需要一種方法來改進他們對輸入的響應，而無需經常手動更新系統，而不是讓系統自行更新和變得更好。ML通常是一種計算機算法，用于開發語音識別等解決方案。

人工神經網絡

人工神經網絡（Artificial Neural Networks， ANN）是機器學習的一種實現，盡管它是一種具有許多層次的非常高級的實現。與ML不同，它在單個流中接受輸入并做出決策，ANN有幾個節點，每個節點都根據數據做出貢獻。更改一個節點的行為也會影響其他節點。這創造了一個更復雜的結構，與人腦非常相似。 無線物聯網中的人工智能和機器學習

物聯網最令人期待的發展之一是人工智能和機器學習的融合。通過使物聯網設備具有可培訓性、可操作性以及從環境中提取信息和學習的能力，這些設備將變得更具情境意識，并最終實現許多創新應用價值。 物聯網系統有許多層，可以在其中實現AI/ML。

每一層都可以做出不同的決策，并提供不同的價值主張。底部的數據量最少，通常只有區域管轄權。當你往上走的時候，會有更多的數據需要計算，決策會變得更大，對系統的影響也會更大。

離頂端越近，數據到達頂端所需的時間就越長，決策傳遞和網絡最終用戶看到反應所需的時間也就越長。例如，您不希望語音識別總是一路到云端，幾秒鐘后才能恢復，您希望在本地計算語音識別，以便獲得快速響應，從而獲得良好的用戶體驗。

人工智能和機器學習引入物聯網無線設計中的優勢包括：

顯著節約成本

減少帶寬使用

更快的設計時程

更小尺寸的設計和更低的功率操作

更強的數據隱私和安全性

編輯：jq