可以使用諸如機(jī)器學(xué)習(xí)(ML)之類的技術(shù)來(lái)增強(qiáng)優(yōu)化決策,機(jī)器學(xué)習(xí)是人工智能(AI)的組成部分。ML獲取由健康應(yīng)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(lái)發(fā)現(xiàn)模式并學(xué)習(xí)如何優(yōu)化給定服務(wù)。例如,NVIDIA開發(fā)了智能視頻,處理大數(shù)據(jù)分析并將機(jī)器學(xué)習(xí)應(yīng)用于視頻流。他們與50個(gè)AI城市合作伙伴合作,利用該技術(shù)改善智能交通等領(lǐng)域。到2020年,預(yù)計(jì)這些智能相機(jī)將達(dá)到10億。這是生成,分析和采取行動(dòng)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(jī)器學(xué)習(xí)算法,預(yù)期在準(zhǔn)確性和速度方面有所提高。這個(gè)城市大腦將處理我們的許多個(gè)人數(shù)據(jù),包括有關(guān)我們運(yùn)動(dòng)的視覺(jué)數(shù)據(jù)。
如上所述,機(jī)器學(xué)習(xí)需要數(shù)據(jù)來(lái)發(fā)現(xiàn)模式和趨勢(shì)。對(duì)大數(shù)據(jù)的分析為城市服務(wù)提供了高度響應(yīng)其公民需求所需的信息。它還在服務(wù)中使用這些數(shù)據(jù)來(lái)構(gòu)建更優(yōu)化的服務(wù)使用響應(yīng),有助于增強(qiáng)體驗(yàn)并提高可持續(xù)性。正在探索適合人工智能和機(jī)器學(xué)習(xí)的一個(gè)領(lǐng)域是服務(wù)的個(gè)性化。這要求在用作分析工具之前收集和匯總個(gè)人數(shù)據(jù)。
我們必須仔細(xì)考慮數(shù)據(jù)如何使智能城市體驗(yàn)個(gè)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(wèn)題。
AI和ML如何個(gè)性化智能城市服務(wù)
例如,個(gè)性化體驗(yàn)的ML工具已經(jīng)在營(yíng)銷中使用。在這里,他們習(xí)慣于定制在線網(wǎng)站,顯示用戶希望從他們預(yù)測(cè)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(guó)大學(xué)的一項(xiàng)研究考察了各種ML算法在自行車和天氣中的應(yīng)用,以此作為在智能城市內(nèi)創(chuàng)建個(gè)性化服務(wù)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(shù)和服務(wù)的開發(fā)者提供了巨大的潛力。
流量卡之家認(rèn)為,AI和ML無(wú)疑是當(dāng)下物聯(lián)網(wǎng)系統(tǒng)的最好補(bǔ)充。在前端,傳感器能夠收集更多數(shù)據(jù),在5G網(wǎng)絡(luò)的應(yīng)用之下,短時(shí)間傳輸更多的數(shù)據(jù),大大提高數(shù)據(jù)傳輸效率。當(dāng)然,數(shù)據(jù)的增加需要AI、ML等進(jìn)行更快的數(shù)據(jù)分析處理,這樣一套流程下來(lái),要比以往的物聯(lián)網(wǎng)系統(tǒng)高效的多。
相關(guān)閱讀:http://www.wlk.cn/a/946