物聯網與AI的結合：讓不同的智能手機相互學習

　　讓設備相互學習

　　兩只相近的智能手機可以相互學習，它們能夠運行自己的AI機器，并能分享自己程序的邏輯塊，來加速學習。比如，它們可以相互學習如何保持電池的壽命。

　　設備之所以能夠相互學習，背后有兩個原因。首先，每臺手機都可以獨立學習，來發展自己的基因材料。在演化計算中，這叫做“島嶼模式”。在物聯網中，每臺設備都能變成自己的“島嶼”。

　　此外，這些設備能夠分享他們學習到的東西。這將增加基因庫的多樣性，對于能夠學習或是進化的系統很有幫助。這也意味著這些設備知道如何更好地適應新的環境。

　　AI和物聯網設備的結合，與動物跟蹤機制有些相似。將傳感器安裝到動物耳部的皮革或金屬耳標上，就能跟蹤野生動物、寵物和家畜的活動。

　　為了跟蹤更加精確的信息，每臺設備需要學習動物的行動特征(比如物種、年齡、性別等)，而這些都可在AI的幫助下進行。

　　那在跟蹤動物之時，設備怎么相互學習呢?當兩只動物相遇，物聯網設備就能分享它們學習到的內容，這樣兩臺設備就能相互進步，并能將之運用于其他相似的動物特征研究之上。

　　讓傳感器預測錯誤

　　物聯網的分享和學習功能所造福的不只是動物和人類，它還能檢測城市橋梁、道路的狀況。

　　在很多情況下，因為較高的成本和較遠的距離，這些設備并不能聯網，但是它們能就地收集信息，并能學習傳感器數據的特定模式，來預測錯誤。

　　因為錯誤非常少，因此與臨近設備分享的信息能夠構成更大的數據庫，來訓練其他的設備，而這些設備可能不曾遇到過錯誤。

　　不過，說到如何讓物聯網設備從現實中學習，我們還有很多問題尚待解決。如果設備分享信息，那么會泄露用戶的隱私嗎?這就需要看看這些信息是否具有特殊意義了。比如，包含遺傳程序的信息是不可分享的。

　　一部物聯網設備也需要確保在它與新的環境反應之時，同時持續執行任務。我們需要運用適當的安全控制，比如為設備設定硬性限制，規定它可以學習什么，不可以學習什么。

　　另一個問題就是：設備如何決定了哪一臺臨近的設備值得信賴?如果惡性設備進入設備所處的環境，設備該怎么辦?這都是亟待解決的問題。

　　因此， AI和物聯網的結合將會為我們的生活帶來極大的便利。但是，因為現在AI還處于低級階段，因此其與物聯網的結合應用也處于嬰兒期。雖然它潛力巨大，但仍需我們的研究、dao和調查。