我相信你已經(jīng)聽說(shuō)過(guò)物聯(lián)網(wǎng)（IoT）和人工智能（AI）。但是，你知道這兩個(gè)概念之間有什么區(qū)別嗎？或者，人們是不是認(rèn)為物聯(lián)網(wǎng)和人工智能代表折同樣的事情，這兩個(gè)詞實(shí)際上是可以被交互使用的？

讓我們先來(lái)談?wù)勅斯ぶ悄堋Ｔ谟⑽闹校斯ぶ悄埽ˋrtificial Intelligence）簡(jiǎn)稱AI，AI能根據(jù)大量的歷史資料和實(shí)時(shí)觀察（real－time observation）找出對(duì)于未來(lái)預(yù)測(cè)性的洞察（predictive insights）。由于同時(shí)分析過(guò)去的和實(shí)時(shí)的數(shù)據(jù)，AI能容易注意到有哪些資料屬于例外，并做出合理、合適的推斷，而數(shù)據(jù)對(duì)于人工智能的重要性也就不言而喻了。因此，若要使AI引擎變得更聰明、更強(qiáng)大，方法及過(guò)程其實(shí)就如同在種植物（或甚至像是養(yǎng)小孩！）。唯一的區(qū)別在于： AI需要的是持續(xù)的數(shù)據(jù)流入，而不是水，肥料和食物。對(duì)于人工智能來(lái)說(shuō)，它可以處理和從中學(xué)習(xí)的數(shù)據(jù)越多，其預(yù)測(cè)的準(zhǔn)確率也會(huì)越高。

談了以上的內(nèi)容，乍看之下，我們好像只需要人工智能就可以了。然而，物聯(lián)網(wǎng)（IoT）其實(shí)肩負(fù)了一個(gè)至關(guān)重要的任務(wù)：資料收集。概念上，物聯(lián)網(wǎng)可連接大量不同的設(shè)備及裝置，包括：家用電器和穿戴式設(shè)備。嵌入在各個(gè)產(chǎn)品中的傳感器（sensor）便會(huì)不斷地將新數(shù)據(jù)上傳至云端。這些新的數(shù)據(jù)以后可以被人工智能處理和分析，以生成所需要的信息并繼續(xù)積累知識(shí)。

移動(dòng)貝果（MoBagel）在IoT和AI的發(fā)展初期，便已經(jīng)發(fā)現(xiàn)它們的龐大潛力。起初，我們向客戶提供了儀表板，上面包含實(shí)時(shí)的信息，像是：冷氣機(jī)的使用情況，或燈泡的每日用電量。然而，設(shè)備監(jiān)控只是移動(dòng)貝果解決方案中的一小部分而已。我們還有物聯(lián)網(wǎng)人工智能引擎Decanter?，已經(jīng)成功幫助我們的許多客戶抓住重要的銷售契機(jī)，并享受利潤(rùn)成長(zhǎng)。透過(guò)Decanter?，我們用各式各樣的方法來(lái)強(qiáng)化公司的營(yíng)運(yùn)績(jī)效，例如：找出向消費(fèi)者發(fā)送促銷信息的最佳時(shí)機(jī)。

在了解了AI和IoT之間的關(guān)系以及相關(guān)的應(yīng)用后，我們可以了解到其實(shí)不需要把人工智能（AI）和物聯(lián)網(wǎng)（IoT）這兩個(gè)概念完全區(qū)分開來(lái)。 AI可以最大化IoT帶來(lái)的價(jià)值，而IoT能為AI提供所需的數(shù)據(jù)流。只有它們被同時(shí)使用時(shí)，才能同時(shí)實(shí)現(xiàn)AI和IoT的利益及優(yōu)勢(shì)。