专家讨论如何应对物联网的挑战

物联网将继续改善人们的生活

汤姆汤林，IEEE同事和Coughlin伙伴总裁：IoT开始在互联网之前。在20世纪80年代初，Carnegie Mellon大学的学生将一个电路板挂在一个焦炭机器上，这是一个可以感觉到它的焦炭并将其连接到高级研究项目机构网络。从那时起，TCP / IP协议使互联网成为可能。将互联网连接到无线电使无线互联网连接成为可能，电路小型化使小型处理器和无线电使小船设置。AI的开发使训练有素的功能，例如语音识别，可能的和给定的设备能够响应声音。

Coughlin汤姆

IOT是工厂自动化和建立更好机器和人类行业合作的关键。物联网变得重要健康监测和治疗它正在为家庭娱乐、交通和城市基础设施创造新的界面。物联网让生活变得更好，但它也产生了关于使用它的人的大量信息。这些信息可以用来为用户服务，但也可以用来侵犯用户的隐私，如果这些信息落入坏人之手，甚至会将用户置于危险之中。

随着纳米技术、更好的电源管理、更持久的电源、新型和分散的处理器技术以及新的无线通信技术(如5G)的发展，物联网将变得更加强大。增强的安全性——包括强大的加密——以及对物联网生成的人类数据的使用和所有权的明确规则，将确保物联网让生活变得更好，而不是制造新的危险，威胁人类的自由。如果处理得当，物联网和相关技术可以帮助人们活得更长、更有成效、更充实。

肖恩·钱德勒

组织必须应对物联网的三大挑战

Shawn Chandler, IEEE高级成员，PacifiCorp IT总监:今天使用传感器来提供许多行业的数万个系统的反馈和使用。储能经济学已经推动了现场设备放置的大幅增加，允许各处分布传感器和移动电子设备，并允许跟踪可以测量的几乎任何东西。电脑处理通常由Moore定律预期的预期，以处理计算开销，并根据任何人类对应的方式计算快速或更快。机器学习的进步和AI有助于计算机处理改进。最后，几乎任何东西都可以与无线通信联系在一起。考虑到整体上的这些进步，物联网技术致力于其潜力。

隐私是一个重要的考虑因素部署传感器。许多物联网应用程序需要大量信息，例如，在智能城市中，执行捕获的实体可能不拥有一些数据。如果使用图像，是否需要许可来收集图像?广泛检查物联网应用的监管方面是一个重要的考虑因素。

物联网的重要挑战包括通信带宽、感知频率和相关信息存储。许多传感应用可以使用实时数据，但不需要它是有效的或成功的。挑战在于将感知、通信传输和数据存储缩减到应用程序所需的最低限度，因为每一项都是持续的成本。随着廉价电子存储器的出现，人们很容易选择通信，然后存储一切。值得注意的是，全球信息存储正在以惊人的速度增长，每年超过50%。

安全是物联网面临的重要挑战。在传感器处，IT专业人员必须维护安全连接，他们必须减少漏洞并抵御网络攻击。此外，信息应该在静止和传输时进行加密。对于智能设备，重要的是要考虑当设备被移除和修改时，微处理器或嵌入式硬件是否容易受到攻击。

与复杂系统的物联网集成至关重要。例如，通过智能城市开展的物联网活动，以及在公共和私人合作伙伴之间传递价值的应用程序，有可能转变基于物联网的体验，降低成本，提高效率，并推动更大的业务敏捷性，以应对变化。例如，提供人口流动模式的智能建筑可以引导组织实时地改造交通系统，并规划面向时间范围的规划。智能路灯可以通过枪击检测、自然灾害跟踪和事件监测，成为减少光污染、提高区域安全的有效工具。智能水网络可以实时识别泄漏，减少环境影响，提高资源节约。

然而，如果社会不支持这些系统，所有的计划和前期投资的交流，感知和整合活动可能是徒劳的。释放这些技术的价值需要的不仅仅是对系统的盲目投资。要实现物联网技术的引爆点，需要关注营销、性能优势以及标准实施，以推动成功和增加采用。

机器学习将在物联网数据中发挥最大作用

Carmen Fontana，IEEE成员和云和新兴科技实践以中心咨询：物联网的关键挑战之一是避免数据死亡。物联网产生了巨大的信息量和信息速度，很容易淹没大多数本土数据收集系统。此外，组织发现很难从数据中筛选出既可扩展又具有前瞻性的可行见解。

第一个障碍是在进入的数据中幸存。近年来，由于来自主要云提供商的流媒体和存储的进步，这一屏障已显着降低。

卡门·丰塔纳

一旦掌握了摄入和存储的机制，真正的挑战就开始了:组织如何给数据注入活力?

一个常见的下意识的下一步是开发仪表板、仪表板和更多的仪表板。构建一套强大的分析系统并没有错，但我们需要谨慎。IT专业人士可以使用现代可视化工具轻松地对数据进行切割。它们也使人们很容易陷入饼状图和条形图的漩涡中，这些图看起来很漂亮，但提供的知识只会增加。仅仅因为物联网提供了所有的数据，并不意味着IT专业人士需要使用所有的数据。考虑周到:物联网项目试图实现的目标的核心是什么?

将隐喻扩展到医疗保健例证，在医院内具有传感器，给予医疗保健提供者能够跟踪房间中的温度变化的所有内容，以垃圾所取出的频率。但是将在所有这些数据点创建精心仪表板改善患者护理？可能不是。但是浮出水面，如患者和护理人员相互作用的频率和长度 - 一种改善结果的已知驱动因素。通过剔除外来的数据和报告，用户避免不堪重负，更重要的是，表面是最有价值的见解。

也就是说，当物联网与机器学习结合在一起时，它才真正具有生命力。机器学习推动物联网从被动分析向预测分析过渡，预测未来的结果，并打破数据迷雾。机器学习也在规模上蓬勃发展，使其成为大量物联网数据的自然配对。

扩展了医院示例，加入机器学习过渡到谈话，“上个月有多少患者和护理人员互动？”“下个月的人员配置水平如何影响患者护理？”

然而，机器学习在本质上并不容易执行。建立和部署物联网数据的定制模型需要对大数据和数据科学有深刻的理解。因此，企业经常延迟或直接跳过机器学习。这一领域最近的进展是有希望的，但物联网的全部潜力直到机器学习是更容易。