根据ABI Research近期的一份报告，机器学习分析工具将减少IoT的复杂性，并提高IoT的采用。该公司预计，随着机器学习即服务（MLaaS）模型的发展，机器学习数据分析工具和服务的收入到2021年将达到200亿美元。

ABI高级分析师Ryan Martin认为，机器学习是借鉴已有经验学习算法的研究。“hard-coded规则的挑战是不能适应现实世界的环境，hard-coded规则可以在不影响规模的前提下解决一些问题。”

Martin表示机器学习可以将很多流程自动化，如一些重复的任务。该技术能在网络边缘进行分析，这将保证物联网系统的健壮性并节约成本。

例如，当分析在网络边缘完成而不是将数据发送到云或者网络核心进行分析，这使得流量信息更加高效，减少了网络延迟从而降低了成本。Martin说：“机器学习是网络边缘分析的基础，它能够促进分布式网络体系架构的发展。”

此外，通过使用机器学习，公司可以在技术当中添加人物因素，使得数据存在差异而不是技术存在差异。Martin表示这是许多云基础设施提供商如Amazon、Google、IBM、微软投资机器学习的原因，也是为什么他们要将他们深入学习软件开源的原因。

今年年初，Amazon在Github上发布了开源Apache许可的DSSTNE库，同样，Google也将其云端机器学习库Tensorflow进行开源。

Martin认为这些机器学习库向开源的转变表明这些公司需要更多的合作，他们需要开发者参与到机器学习中来，以开发出更好的工具。他说：“这跟以前专有技术处理专有数据的情况已经有了根本性的转变，这是令人兴奋的现象。”

====================================分割线================================

本文转自d1net（转载）