機器哪怕價值上億，也無法替代醫生來治病救人;但一個25美元的可穿戴設備卻知道你什么時候該去看醫生。

　　1996 年，美國芝加哥的庫克郡醫院急診室采用了一種算法來判斷出現胸痛癥狀的患者中，哪些面臨更高的心臟病發作風險，是否在醫院床位緊缺的情況下有住院的充分理由。該算法嚴格按照流程執行系統的基礎測試，被證明不但快速高效，且及其精準。相比單純依賴醫生的判斷，該算法判定的低風險患者數量多了 70%，而高風險患者數量則達到實際數量的 95%(醫生判斷僅為 75-89%)。這真是讓人驚嘆——要知道那個年代，深度運算還未問世呢。

　　想象當前，僅今年在使用的 IoT 設備就幾近 64 億個——全球平均每人一臺。這么龐大的數量，哪怕只有 1% 能通過脈搏、飲食和睡眠數據來判斷用戶健康狀況的話，那么全球能夠及時治療的患者數量會是之前的 5 倍。

　　但真正了不起的還是機器學習能力，它不止廣泛應用算法那么簡單，而是通過收集的大量數據，覺察出擁有幾十年從醫經驗者都難以發現的癥狀。想象一下， Fitbit(美國健康追蹤器品牌)覺察到用戶脈搏異常，顯示出強烈的心臟發病征兆，于是提醒用戶及時就醫。機器學習就意味著居家用品也能解決“不可能解決”的問題。

　　IBM 的“沃森(Watson)”和 Google 的“深度思維(DeepMind)”在諸多領域(如 Jeopardy 智力問答和圍棋)表現超過人類后，機器學習就不再是一個愿景了。現在要問的是：如果 Fitbit 能救命，而 Nike+ Fuel Band 運動追蹤器不能救命，你會購買哪一個呢?

　　“smart(智慧、智能)”的真正價值

　　“智能”產品層出不窮，也難怪名列前茅的總是那些具備學習能力的。拿 Nest 智能恒溫器舉例，消費者愿意掏腰包并非因為 Nest 是手機可操控的，而是因為沒人在家時可以節能——Nest 以智慧的方式解決了長久存在的問題，既能根據用戶所需調整溫度，沒人在家時又能節能，這比一個簡單的定時器高明多了。

　　遺憾的是，大部分制造商太急功近利。拿 Phillips 的 HUE 無線 LED 燈舉例，其外觀固然惹人喜愛，但僅僅因為可手機操控開關就貼上“smart(智慧、智能)”的標簽難免牽強。開關燈不是個問題，不需要解決——難道你輕易因為一個人會開關燈就稱其“smart”嗎?那么為什么換做一個燈泡，就心安理得貼上“smart”一詞呢?

　　很多 IoT 產品并不是真正“smart”，這也成了 IoT 市場發展的阻礙。能夠遠程控制的門鎖，還有主人一進家門就自動打開的收音機充其量只是奢侈品，跟米其林大餐和豪華游輪這些只能富人消費的起的東西沒什么兩樣。

　　機器學習能力將“渴求”轉換為“必備”，比如既讓你溫暖過冬又節省電費的恒溫器;比如給予睡眠或健身意見的可穿戴設備;比如在惡果釀成前就察覺污染、追蹤來源的環境監視器……

　　機器學習能力：永遠的勝者標桿

　　“會學習”的設備總是出類拔萃，更具吸引力。但機器學習能力本身則意味著在眾多競爭者之中，長久地保持領先優勢。

　　云技術讓設備會“學習”，所以機器學習能力不再是設計問題(只要設備能聯網)，不再是硬件問題(復雜的數據處理可以遠程實現)，更像是人才問題——有能力的工程師少之又少，不過只要薪資夠高，這也不是問題。可能將其形容為數據問題是最為貼切的。

　　要讓計算機老老實實學習數據模式(patterns)，需提供大量數據集。計算機要考慮用戶偏好、使用案例、環境等諸多因素，而很多，甚至絕大多數因素都是時間相關的——使用頻率、行為頻率、條件發生頻率、用戶行為逐漸改變、環境的季節變化以及傳感器壽命期內的數據精確性等。

　　人人都在爭分奪秒，而時間是公平的。即便擁有上億臺優質的聯網設備，數不清的用戶和資金也無法縮小與競爭者之間哪怕僅有 6 個月的差距。而坐擁優質數據則是對手無法超越的強大優勢，這就要看數據讀取的精確度、設備眾多功能，包括早先開發并最終穩定下來的功能。

　　IoT 市場是大家的市場

　　現在的行情，好像只有 IBM 和 Google 才能時不時拿出像樣的，“會學習”的產品來，難道只有大玩家才能玩轉，小公司沒資本嗎?當然不是。

　　一些創業公司無法處理復雜數據，可以外包啊。正如剛剛所說，云技術已經實現遠程處理數據了，創業公司只要按每小時付費，就可“租用”高級設備——這投資有理有據，成本不高，省事省力省心。

　　更重要的市，“會學習”的設備硬件要求不是很高，不一定開發的第一批設備就要具備機器學習能力，剛起步的公司設計和組裝都夠忙的，別給自己添太多麻煩。

　　其實當初 Nest 也饒了很多彎路;可手機操控的恒溫器通過簡單算法來評估房子升溫所需時間。算法并沒有去了解住戶的需求，但是升級只需要新的數據包，而不是裝著新產品的新包裹——添加機器學習能力沒必要非得投入重金(當然得趕在競爭者之前，越早開始，成本越小)。

　　專業，可以無處不在

　　把機器學習能力看作知足常樂的創業公司的墳墓，想想挺可怕。但我們有更多理由去選擇樂觀，而不是恐懼。“會學習”能夠增加的價值超出想象——手上戴的不僅僅是健康腕帶，還是醫生;門上裝的不僅僅是智能門鎖，還是偵探;家里用的不僅僅是環境監控器，還是健康衛士;花錢買的不僅僅是豪華設備，還是男管家。

　　“會學習”智能設備不再急功近利，而是變得更為強大。一些機器學習能力的早期開拓者，如 Nest 和 Echoes，已脫穎而出，讓我們的生活更有價值。其他科技公司紛紛效仿之時，世界將是另一番模樣。