为什么物联网需要AI

在我最近在纽约就供应链中的AI问题进行的一次谈话中，提到的一个关键问题是“你在谈论机器人吗?”

你知道，人工智能已被浪漫化为这个抽象的术语，让你想起行走的机器人做你家务的图像，而你却只是高枕无忧。

但它究竟意味着什么，该术语实际上来自哪里?人工智能包含机器学习和大数据流程的新范例，使您能够从历史数量的预先存在的数据流程和实时观察的组合中获得预测性见解。要获得真正的AI，您需要训练大量的数据集(包括历史和实时)，实现一些基线，使用增量信息实现深度学习，并开始发现预测价值。

人工智能通常与物联网(IOT)协同工作，物联网包括可穿戴设备和连接家用设备等设备。简单来说，IoT收集信息，但AI是从该信息为分析和决策提供动力的引擎。

物联网连接不同的设备，如可穿戴设备，可以扩展连接几乎无限数量的设备，连续流数据。AI处理数据，对此数据进行推断，并最终实时提供建议。

让我们看看保险业的一些例子

2012年左右，当我在Humana时，我们工作的一个项目是老年人(65岁以上)住在自己的家中。我们想了解如何降低跌倒的发生率并预测需要紧急服务的可能性。我们需要实时做到这一点，这样我们才能事先采取行动，改善老年人的健康状况并节省成本。有了预先存在的索赔数据，我们需要了解基线 - 例如，在家中发生的典型活动。这里的物联网设备通过使用移动传感器发挥作用。

在老年人的许可下，我们在家中安装了多个移动传感器，特别是在厨房，浴室和起居室等区域。这些传感器通过在一段时间内收集房间中的生物识别数据基线开始，然后实时地将数据存储在云中。为了促进深度学习(这是AI的一种形式)，先前保险索赔的预先存在的数据与实时数据并排分析。这使得很容易发现异常并对其采取行动，并提供了预测紧急事件发生前概率的见解。

第二个例子，也来自保险业，发生在2006年左右。我们正在为技术评估创建预警系统。医疗设备价格昂贵，并不总是有效。因此，通常需要进行成本效益分析，以证明其相对于其他选项的使用。例如，减肥手术可能花费10,000美元，但它仍然是实验性的，特别是当您考虑患者及其健康状况时。它没有达到相对于其成本的功效。

最终，我们需要预测患者将寻求探索相对于替代选择的程序，了解这种程序基于健康状况的有效性，并了解有效签约的提供者定价基准。拥有数百万个此类程序的索赔数据(历史)，其中一些包括可穿戴设备的数据(计步器，健身追踪器数据)，结合实时电子裁决(实时支付)和提供者办公室访问观察，我们能够开始自动化减肥手术替代品的推荐过程

AI中的许多这些进步来自人工神经网络(或人工神经网络)。受人类大脑的启发，它可以松散地模拟生物大脑解决问题的方式，系统可以自我学习和训练自己，而不是响应编程。使用神经网络，算法首先由人类训练。随着时间的推移，算法开始做出自己的假设，更少依赖人类培训师，并解决复杂的问题。

最终，物联网还不够。必须有一个增加的智能，一个人工智能，旨在解决问题，而不仅仅是处理数据或提供仪表板。必须有数据和行动。