ABI高级分析师Ryan Martin认为，机器学习是借鉴已有经验学习算法的研究。“hard-coded规则的挑战是不能适应现实世界的环境，hard-coded规则可以在不影响规模的前提下解决一些问题。”

        Martin表示机器学习可以将很多流程自动化，如一些重复的任务。该技术能在网络边缘进行分析，这将保证物联网系统的健壮性并节约成本。

        例如，当分析在网络边缘完成而不是将数据发送到云或者网络核心进行分析，这使得流量信息更加高效，减少了网络延迟从而降低了成本。Martin说：“机器学习是网络边缘分析的基础，它能够促进分布式网络体系架构的发展。”

        此外，通过使用机器学习，公司可以在技术当中添加人物因素，使得数据存在差异而不是技术存在差异。Martin表示这是许多云基础设施提供商如Amazon、Google、IBM、微软投资机器学习的原因，也是为什么他们要将他们深入学习软件开源的原因。

        今年年初，Amazon在Github上发布了开源Apache许可的DSSTNE库，同样，Google也将其云端机器学习库Tensorflow进行开源。

        Martin认为这些机器学习库向开源的转变表明这些公司需要更多的合作，他们需要开发者参与到机器学习中来，以开发出更好的工具。他说：“这跟以前专有技术处理专有数据的情况已经有了根本性的转变，这是令人兴奋的现象。”

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。