物聯(lián)網(wǎng)(InternetofThing，IoT)廣義定義是萬物皆可連接到網(wǎng)絡(luò)，并可互相溝通或交換信息，以達到某種便利人類生活的目的。先前的文章介紹到裝置管理平臺，它一直聚焦在透過一個中央的裝置管理平臺將裝置連接到網(wǎng)絡(luò)、裝置間使用哪一種或哪些通訊協(xié)議溝通、用裝置管理平臺如何管控這些裝置等議題。到這里為止都屬于硬件架構(gòu)設(shè)計范疇(雖然裝置管理平臺本身是軟件)，然而如何讓物體本身成為智能對象(Smartobject)就是純軟件的范疇了。

相信很多讀者都聽過機器學習、深度學習這些熱門名詞，其中機器學習(MachineLearning，ML)之所以熱門，是因為大部分專家都認為機器學習是成就智能對象的核心關(guān)鍵，因此機器學習方法堪稱是“物聯(lián)”、“智能”的核心技術(shù)。

物聯(lián)網(wǎng)的應(yīng)用非常廣泛，只要物體可以透過傳感器(Sensor)收集監(jiān)測到的訊號或信息，提供到裝置管理平臺再鏈接到應(yīng)用程序處理后，反饋出特定的決策再指示原始對象做進一步動作的領(lǐng)域都是可能的應(yīng)用場域，例如：智慧門鎖(透過家庭成員的進出時間判定物流配送最佳時間)、智能冰箱(監(jiān)控冰箱里的食物保存狀態(tài)、甚至決定何時補貨)、智能汽車(透過路徑分析節(jié)省能源或交通時間、監(jiān)控車輛使用狀態(tài)，決定何時進場維修)、智能農(nóng)業(yè)(監(jiān)控農(nóng)田環(huán)境狀態(tài)，決定何時灑水或施肥)、智能家居(有效的節(jié)能與生活輔助)、智能供應(yīng)鏈克制化、智慧城市、智能工廠(提升生產(chǎn)效率或降低耗損)等，這些智能或智能的核心都依賴于機器學習為主的預(yù)測分析(Predictiveanalytics)。

數(shù)據(jù)分析的議題除了以機器學習為核心外，還有數(shù)據(jù)超載與新的因素加入時系統(tǒng)如何快速響應(yīng)等問題。一方面，物聯(lián)網(wǎng)中連網(wǎng)的裝置無時無刻都在收集數(shù)據(jù)，時間久了自然會造成數(shù)據(jù)超載問題，僅僅依靠人力必然無法進行實時的分析和利用。另一方面，數(shù)據(jù)科學家通過分析大量的數(shù)據(jù)來辨認模式并人工定義規(guī)則，盡管已預(yù)建良好的應(yīng)變系統(tǒng)，應(yīng)用方案實際實施環(huán)境中隨時出現(xiàn)新的因素卻可能影響正確行動的判斷。如何確保物聯(lián)網(wǎng)系統(tǒng)在快速變化的環(huán)境中，仍然能夠做出最佳響應(yīng)也是一項很有挑戰(zhàn)性的課題。