根據(jù)ABI Research近期的一份報(bào)告，機(jī)器學(xué)習(xí)分析工具將減少I(mǎi)oT的復(fù)雜性，并提高IoT的采用。該公司預(yù)計(jì)，隨著機(jī)器學(xué)習(xí)即服務(wù)(MLaaS)模型的發(fā)展，機(jī)器學(xué)習(xí)數(shù)據(jù)分析工具和服務(wù)的收入到2021年將達(dá)到200億美元。

　　ABI高級(jí)分析師Ryan Martin認(rèn)為，機(jī)器學(xué)習(xí)是借鑒已有經(jīng)驗(yàn)學(xué)習(xí)算法的研究。“hard-coded規(guī)則的挑戰(zhàn)是不能適應(yīng)現(xiàn)實(shí)世界的環(huán)境，hard-coded規(guī)則可以在不影響規(guī)模的前提下解決一些問(wèn)題。”

　　Martin表示機(jī)器學(xué)習(xí)可以將很多流程自動(dòng)化，如一些重復(fù)的任務(wù)。該技術(shù)能在網(wǎng)絡(luò)邊緣進(jìn)行分析，這將保證物聯(lián)網(wǎng)系統(tǒng)的健壯性并節(jié)約成本。

　　例如，當(dāng)分析在網(wǎng)絡(luò)邊緣完成而不是將數(shù)據(jù)發(fā)送到云或者網(wǎng)絡(luò)核心進(jìn)行分析，這使得流量信息更加高效，減少了網(wǎng)絡(luò)延遲從而降低了成本。Martin說(shuō)：“機(jī)器學(xué)習(xí)是網(wǎng)絡(luò)邊緣分析的基礎(chǔ)，它能夠促進(jìn)分布式網(wǎng)絡(luò)體系架構(gòu)的發(fā)展。”

　　此外，通過(guò)使用機(jī)器學(xué)習(xí)，公司可以在技術(shù)當(dāng)中添加人物因素，使得數(shù)據(jù)存在差異而不是技術(shù)存在差異。

　　Martin表示這是許多云基礎(chǔ)設(shè)施提供商如Amazon、Google、IBM、微軟投資機(jī)器學(xué)習(xí)的原因，也是為什么他們要將他們深入學(xué)習(xí)軟件開(kāi)源的原因。