以Nest為例，它可以透過智慧節能且能根據室內人數來調整溫度。

物聯網(IOT)產業吸引眾多科技廠商投入，而產品是否具備機器學習能力，決定其是否能獲得消費者青睞。

根據VentureBeat報導，1996年時，芝加哥的CookCountyHospital急診室使用一種算法來了解，當病人出現胸痛癥狀時，是否是因為患有心臟病，應該要將他們移入病床。該算法使用一種系統性的基本測試，為快速、有效而且精準的方法。可以把70%的病人劃分到低風險領域，其他病人中有95%為心臟病患，精準度高于一般醫生判斷的75～89%。而當時還沒有深度運算技術。

現在全世界一年有64億個物聯網(IOT)設備，平均下來幾乎每個人都擁有1個。如果當中1%可以搜集各種心跳、飲食或睡眠數據、分析人的身體狀況，便可以大幅擴大醫療的普及。將技術擴大使用的真正關鍵在于機器學習。機器學習可以從搜集來的數據中找出規律，而一般醫生就算有了數十年經驗可能也無法做到。試想，Fitbit如果可以偵測出人的心跳變化與某種心臟疾病有關，它就會告訴你應該去醫院接受治療。透過一般家里的設備解決過去不可能的問題，就能創造出價值。目前各種領先的智能設備都具備機器學習能力。以Nest為例，一般人購買Nest并不是因為想要用手機來開啟暖氣，去“按開關”從來不是人們的問題，但重點是它可以節能、根據室內人數來調整溫度，用智能解決問題。

然而許多物聯網(IOT)科技缺乏真正的智慧。遠程遙控門鎖或收音機，乍看之下很先進，但僅獲得上流社會的青睞，機器學習則是要讓人覺得非擁有不可、可以普及的設備。恒溫器讓你覺得溫暖，穿戴式設備給你個人化的提醒，環境監控會分析污染源，保護家人健康。而現在有了云端，要把機器學習技術放進設備里，無論是連網或運算都能輕松達成，數據才是真正的問題。計算機若要從數據中找出規律，數據量必須夠大。它必須考慮多種因素，包括個人使用偏好、環境等等。許多因素可能與時間有關，包括使用頻率、行為頻率、條件頻率、行為改變、季節變遷、傳感器的數據精準度變化等。如此一來，要追上領先者是不容易的事，因為領先者擁有的數據更多、且更精準。

然而目前僅有IBM和Google開始銷售機器學習產品。機器學習對新創公司而言或許是太過昂貴的投資，但也不盡然如此，其關鍵在于要利用別人的運算計算機，而云端運算則是推手。新創公司可以用小時計費方式得到強大的運算能力。最重要的是，你的硬件不需要具備強大的功能才能實現機器學習，一開始推出時也不必馬上具有機器學習功能。Nest一開始也并不聰明，當時只有簡單的運算法，可以預測家中溫度達到某個程度需要多少時間，透過之后的更新，才開始有其他功能。對新創公司來說可以依據自身財務狀況慢慢增加機器學習功能，但同時也必須確保不能被競爭者搶先一步。

機器學習讓智能設備不再只是方便，而是具備了強大力量。Nest和亞馬遜Echo(AmazonEcho)成為領先者，不但不斷增加新的使用價值，同時也有數百家科技公司的加入，未來世界將大不相同。

更多資訊請關注工業以太網頻道