人工智能（AI）、機器學(xué)習(xí)和物聯(lián)網(wǎng)（IOT）引領(lǐng)全球新興技術(shù)對話。企業(yè)認(rèn)識到，這些技術(shù)已經(jīng)準(zhǔn)備好用于推動真正的商業(yè)利益。

亞太和日本（APJ）地區(qū)將在這兩個方面加快步伐。根據(jù)MIT Technology Review Custom和VMware最近的一項云計算調(diào)查顯示，APJ地區(qū)超過70%的非人工智能用戶表示，他們的組織將在五年內(nèi)采用這項技術(shù)。

IDC預(yù)測，2020年全球物聯(lián)網(wǎng)支出將超過1萬億美元，亞太及日本地區(qū)將引領(lǐng)這一趨勢。

隨著APJ地區(qū)企業(yè)加大對物聯(lián)網(wǎng)和機器學(xué)習(xí)的投資和采用，這對IT和網(wǎng)絡(luò)基礎(chǔ)設(shè)施意味著什么？

物聯(lián)網(wǎng)和機器學(xué)習(xí)之路

在最近一次亞洲新興技術(shù)活動中，VMware APJ首席技術(shù)官Bruce Davie談到了最早的學(xué)習(xí)機器之一“MENACE”， MENACE游戲是物聯(lián)網(wǎng)和機器學(xué)習(xí)的早期例子，因為它逐漸變得擅長畫圈和打叉。另外，20世紀(jì)60年代由Donald Michie設(shè)計的“機器教育型零和交叉引擎”逐漸學(xué)會了在每一款新游戲中更熟練地玩井字游戲。快進(jìn)到今天，機器學(xué)習(xí)取得了重大進(jìn)展。

例如，它在許多圖像識別任務(wù)上已經(jīng)超過了人類，一個顯著例子是對一組小狗和松餅的圖像進(jìn)行分類。2010年，這種算法的錯誤率為30%，但是到了2016年，在充分接觸訓(xùn)練數(shù)據(jù)之后，錯誤率下降到4%以下，超過了人類。這兩個例子的共同主題是隨著計算能力的增加和數(shù)據(jù)接觸的增加，算法會隨著時間推移而改進(jìn)。

機器學(xué)習(xí)通過理解應(yīng)用程序的預(yù)期（“良好”）狀態(tài)并自動檢測和響應(yīng)偏離該狀態(tài)的情況，有助于將安全性從追逐糟糕的過程轉(zhuǎn)變?yōu)榇_保良好的過程。

由于其龐大的計算需求和對大量數(shù)據(jù)的依賴，機器學(xué)習(xí)經(jīng)常依賴于云。印度和中國尤其看好采用這些新興技術(shù)趨勢。在中國，科技巨頭騰訊、百度和阿里巴巴在尋求在無人駕駛、醫(yī)療保健和智慧城市中開發(fā)這些平臺方面獲得了政府支持。

物聯(lián)網(wǎng)提高競爭力

在亞太及日本地區(qū)，物聯(lián)網(wǎng)正成為首要的業(yè)務(wù)重點，70%的公司認(rèn)為該技術(shù)對其組織的未來成功至關(guān)重要。對物聯(lián)網(wǎng)的熱情絕非毫無根據(jù)，該地區(qū)超過一半的用戶表示物聯(lián)網(wǎng)極大地提高了他們的市場競爭力。

新的連網(wǎng)方法

隨著物聯(lián)網(wǎng)和機器學(xué)習(xí)的興起，從數(shù)據(jù)中心到云端到邊緣，數(shù)據(jù)和應(yīng)用正變得更加分散。同時，數(shù)據(jù)和應(yīng)用的分發(fā)給企業(yè)和IT帶來了新的挑戰(zhàn)。

過去15年中的快速變化正在挑戰(zhàn)傳統(tǒng)的網(wǎng)絡(luò)模式。在未來20年或更長的時間里，企業(yè)需要采用哪些新的網(wǎng)絡(luò)方法？

亞太地區(qū)的首席信息官在物聯(lián)網(wǎng)和機器學(xué)習(xí)熱情方面引領(lǐng)全球同行。對于有遠(yuǎn)見的企業(yè)來說，這些新興技術(shù)可以激發(fā)新的創(chuàng)新和利潤。

為了成功釋放物聯(lián)網(wǎng)和機器學(xué)習(xí)等新興技術(shù)的真正潛力，企業(yè)必須接受一個能夠提升自身優(yōu)勢的虛擬云網(wǎng)絡(luò)，而不是阻礙其發(fā)展的虛擬云網(wǎng)絡(luò)。

來源：物聯(lián)之家網(wǎng)