可以使用諸如機(jī)器學(xué)習(xí)（ML）之類的技術(shù)來增強(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)計這些智能相機(jī)將達(dá)到10億。這是生成，分析和采取行動的大量數(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。這個城市大腦將處理我們的許多個人數(shù)據(jù)，包括有關(guān)我們運動的視覺數(shù)據(jù)。

如上所述，機(jī)器學(xué)習(xí)需要數(shù)據(jù)來發(fā)現(xiàn)模式和趨勢。對大數(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)來構(gòu)建更優(yōu)化的服務(wù)使用響應(yīng)，有助于增強(qiáng)體驗并提高可持續(xù)性。正在探索適合人工智能和機(jī)器學(xué)習(xí)的一個領(lǐng)域是服務(wù)的個性化。這要求在用作分析工具之前收集和匯總個人數(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個性化，以及在智慧城市環(huán)境中利用AI和ML的偏見和隱私問題。

AI和ML如何個性化智能城市服務(wù)

例如，個性化體驗的ML工具已經(jīng)在營銷中使用。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，三所英國大學(xué)的一項研究考察了各種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，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