先將人工智慧獨立而論，這項強大、具顛覆性的技術又稱為機器智慧，是透過人類研製設計的電腦程式，以運算展現出類似人類智慧的科技，學者定義為：「正確理解外部數據並從中學習，透過靈活調整以達成特定目標和任務的系統能力。」
自從AlphaGo再三打敗棋王，自動駕駛技術不斷更新，機器學習使人們生活環境從「自動化」進階為「智慧化」，人工智慧廣泛在不同勞動模式、建設與生活場景中運作，對人類社會的衝擊不斷在今日上演。
人工智慧照亮IoT進化之路，AIoT來自於人性
再來談談眾所皆知的IoT。在連結封閉或全球網路的產品大量問世後，與以往家電的運作模式不同，在本來的特定功能之外，他們還具備了遠端遙控、內部構造的偵錯識別、甚至與其他裝置互相串聯的功能，這些IoT家電比以往還要貼近人性，因而普遍被定義為「智慧家電」。
由於人們日益習慣IoT裝置帶來的各種便利和個人化服務，以智慧型手機為例，人手一機急速產生大量數據，不只一般生活情境，同樣的狀況發生在物流、工業、農業、交通、教育與醫療⋯⋯等等的不同場景。
這些普及於人類社會的「初代智慧家電」都屬於IoT設備裝置，其回傳的數據資料與成長中的使用者等比上升，來自各地的海量數據成為數位時代最有價值的產物之一。如何管理與分析大數據，並從中洞見趨勢、利用數據服務，是當前產業所關注的，人工智慧技術恰恰成為IoT的解決方案。
從人工智慧的角度思考，該技術的強大是根基於數據資料探勘後的演算，由於聯網裝置的普及，累積了足夠的資料數量，讓人工智慧演算法應用於數據分析更加可行，也使得人工智慧從一開始的輔助、增強功能，到深度學習後的自主性。
為了讓演算法驅動，搭載人工智慧的裝置如何與龐大數據庫無縫相連至關重要。因此，優化IoT所構成的萬物互連網絡環境，是讓人工智慧可以絕佳發揮的關鍵要因。
談到這邊，或許還是有人覺得AIoT與我們的日常生活相去甚遠，簡單想像一下，下班回家後的AIoT智慧生活場景正真實上演：根據資料，您的冷氣判斷7月平均設定室溫為攝氏25.5度，晚間八點坐上躺椅後，十秒內腿部自動上升為最舒適的40度角，同時音響用適當音量播放平時你最常收聽的串流音樂歌單；另外，冰箱回報您兩週前放置的蛋糕已過期，結合垃圾桶，同時提醒您稍晚該倒回收與廚餘了。
當傳統IoT的「初代智慧家電」採集使用者回傳的數據進行演算，比對生活習慣、行為模式和健康狀態，呈現最適合該使用者的運作模式。智慧裝置開始懂得獨立思考、有了自我意識，甚至能創造性的解決問題，這便是AIoT家電產業的願景：人們將被「服侍」的無微不至。
未來即現在，AIoT的三大關鍵技術
因為人工智慧技術能使機器從外部數據資料中學習，做出預測性分析，或是分析後協助決策，所以，IoT傳達數據的即時性，對於人工智慧自主適應學習系統的演算相當重要。簡單來說，我們可以將人工智慧比喻為AIoT的中樞神經，IoT就是周圍的神經系統。
發展成熟的IoT與人工智慧技術匯流，就進化成「AIoT」，當智慧裝置加入AIoT能力，進一步演化，就可以提供使用者期待、甚至於超出期待的服務，也難怪不計其數的產業巨頭紛紛投入AIoT研究，因為AIoT就是拼湊「未來」的一片關鍵圖塊。
看準IoT導入人工智慧技術後的傑出表現，各界在AIoT上的投入經費、開發規模持續擴張。除了前述藉由AIoT打造的智慧家居想像，AIoT應用趨勢還包含三個關鍵技術，將大幅影響人類社會，此次將深度探討，一窺AIoT未來十年的發展端睨。
1. 雲端數據與分析
雲端服務是傳統IoT生態不可或缺的一環，大致上可分為基礎設施、平台與軟體（IPS）三種服務模式。近來提供雲端服務的科技公司也著手積極整合數據資源、強化AI產品，顯示出AIoT產業的蓬勃擴張。
BI（商業智慧）與數據探勘一直都是企業發展所重視的面向，為了在瞬息萬變的數位時代得到更精細的市場投資回報率（ROI），雲端數據分析市場與AI之間，存在強烈的整合需求。
比如說電腦產業，以往是電腦上市後就有人會買，競爭激烈的今日，企業就必須用BI整合人工智慧的方法嗅出商機：分析影響收益的權重因素、從財報判斷需要重新配置投入的資源，或提出趨勢與發展計劃。
現實的案例像是，美國商用數據統計與分析公司SAS於今年3月宣布將投入10億美元投資人工智慧領域。再者，致力緊追Amazon與Microsoft雲端市場占比的Google砸26億美元收購以BI與數據分析平台聞名的科技公司Looker。
Google著名的機器學習等人工智慧技術在集結Looker強大的商業數據分析產品後，使得Google的雲端平台服務（PaaS）能提供特定行業更完整的分析解決方案。
另外，雖然受到市場質疑，客戶關係管理（CRM）雲端服務巨頭Salesforce也以驚人價格（157億美元）收購知名視覺化數據分析工具業者Tableau。
雲端產業接二連三的併購案可解讀為：全球大數據累積達到可觀規模，企業原初使用的各類BI與數據分析工具不足以應付現況，須結合人工智慧以掌握越趨海量的全球級數據，並加以利用轉化為收益。
2. 嵌入式系統與感測器
嵌入式系統一般來說是針對某項特殊用途所客製化，綜合軟硬體所開發的封閉系統（例如導航用的GPS、小七的ibon、PDA的數位助理等）。傳統IoT控制操作，都是通過搭載嵌入式系統的感測器（sensor）來運作，也就是透過這些感測器收集資料。
當人工智慧技術微型化導入感測器，搭載AIoT的嵌入式裝置運算能力也需提升，如此一來，數據不一定得再回傳雲端做人工智慧分析，邊緣端就能進行基本運算，邊緣運算在整體架構的占比提升，裝置即使沒有連上全球網路也不怕。
以工業數位轉型來說，AIoT使得許多製造業「智慧工廠」的口號能夠更進一步的實現，生產設備與物料倉庫被IoT賦予了聯網功能，自動化生產與倉儲管理因為整合人工智慧後，運作更加完善多元。
舉例而言，智慧感測器的即時監控與回饋功能，不只適用於追蹤原物料的庫存，也能夠讓工廠的大型機械設備防範故障（數據分析後，積極預測下次故障時機），糾正、干預不當操作；也能藉由數據來深度學習自主運作。
除了應用於工業數位轉型以提升獲利，其他具體的應用像是搭載AIoT技術的仿生機械，美國普渡大學近來公開用3D列印打造相當真實蜂鳥大小與重量的蜂鳥機器人，該智械透過基於蜂鳥飛行動作編譯的演算法飛行，雖然沒有裝上影像感測器，卻能透過電子觸覺以及能夠分析觸摸數據的人工智慧演算，在黑暗中導航（或尋找倒塌建築物下的倖存者），即使看不到周圍環境也能繪製地圖。
消費者日常生活方面，IoT穿戴裝置在銀髮族健康照護領域行之有年，經過AIoT升級的感測器，不但能有效關注老人健康狀態，及時指引老人復健運動、避免錯誤姿勢與動作；通過感測器與醫療體系的聯結，感測器能快速反應，在危急時通知救護人員，讓救援在黃金時限內完成。
人工智慧還能從裝置中的大量資料學習知識，在虛擬人類身體架構中推論，協助醫療決策，AIoT將使得智慧生活的願景逐步落實。
3. 5G與AIoT
隨著行動通訊技術推陳出新，我們知道近來炒得沸沸揚揚的5G（第五代行動通訊技術）一定比之前的快。5G簡單講就是4G的延伸，由於頻寬更大、覆蓋率更廣，速度最高可快過4G百倍以上，傳輸與接收點之間的延遲時間低於1毫秒。
5G低延遲特性更是促成AIoT普及的關鍵技術，以車聯網與自駕車為例，汽車上搭載不少數據感測器與攝影鏡頭，與IoT結合後，不只能監控車況，還能跟駕駛身上所有的穿戴裝置串聯，判斷駕駛生命徵象，比方是疲勞或睡著，大量數據資料透過5G上傳雲端進行人工智慧分析，就可以協助路況判斷與預防事故。
車聯網屬於攸關駕駛人與乘客性命的AIoT應用，在運作過程中無法容許任何延遲，為避免交通資訊的處理過程中，數據傳輸量不足或過慢所造成的風險，5G的兩點傳輸低延遲特性解決了這種問題。在不久的將來，5G設備普及後的聯網環境將帶動AIoT應用生態發展，AIoT屆時也將重塑我們的工作與生活。
（本文由TechNews授權轉載）
