智能数据：物联网的下一个前沿
收集数据从未像今天这样容易。只需单击几下，您就可以启动并运行，并配备了云必须提供的所有最佳数据技术，准备好尽可能地囤积所有数据。很难相信就在十年前，情况已经大不相同了。事实上，大规模收集数据只是大型公司的一种选择，组织能够负担得起昂贵的服务器（这是存储所有数据的唯一可行选择）和少数能够发挥最大作用的工程师其中，在数据科学还只是一个萌芽领域的时代。
如今，幸运的是，生成数据不再只是一项企业运动。事实上，多亏了物联网 (IoT)，无论好坏，我们现在都已成为小型大数据工厂。到 2020 年，一个人将负责每秒生成 1.7 MB 的数据。即使是现在，仅一辆自动驾驶汽车每天就会产生 11TB 的数据。而且这种趋势没有减弱的迹象。相反：它只会增长。
对于所有数据爱好者来说，这显然是个好消息。不久前，收集高质量的数据集是一项繁重而艰巨的任务。尽管如此，我们总是想要更多。如果您的全新深度学习模型看起来“仅”达到 92% 的准确率，那么最简单、最容易的借口就是指责数据。 “我的数据集不够大”，我们漫不经心地告诉我们的老板。 “但如果我们再等几个星期，这个模型将是你见过的最好的！”
这似乎提出了一个重要问题：实际上多少数据就足够了？但它实际上提出了一个更重要的问题：多少数据太多 ?
有趣的是，我们在机器学习圈里并不经常听到这个问题，即使我们真的应该听到。虽然大数据是一个巨大的机会，但它也是一个巨大的 40 ZB 负债。如果数据确实是新的石油，我们需要将类比推到极限：数据是一种极其有利可图的资源，但就像石油一样，需要对其进行提炼。未能克制自己不受控制的使用使我们处于危险之中。简而言之，我们今天使用和考虑数据的方式是非常不可持续的，这一事实仍然勉强达到集体意识。
也许，只是也许，这是错误的对话。也许大数据毕竟不是人工智能的真正答案。
让我们退后一步，想想我们真正收集的是什么。早在数字化的早期，数据收集的成本确实更高，所以我们选择了我们的位置。我们更有责任感，也更有责任心。随着生成和收集数据变得越来越容易，对质量的关注越来越少，而数量成为云存储、云计算、GPU 机器、大规模数据管理和传输系统等新技术的自然副产品。很快，数据变成了一种商品，但随着数据和数据存储的不断升级，没有人问一个简单的问题：我们为什么要收集这个？它甚至有意义吗？
随着模型构建的商品化，数据护城河似乎是人工智能差异化的明显答案，但我们是否都错过了大局？数据老化。它变得陈旧。最终，即使我们被引诱相信数据和信息是两种截然不同的东西，但所有数据都不是 创造平等。毕竟，一个青少年在发到 Instagram 之前给自己拍了 20 张自拍照肯定不同于可搜索的医学文献目录。
只要我们坚信硬件的进步将使我们免受数据灾难的影响，这一切似乎都不是问题。数据存储变得越来越便宜，而且计算能力越来越容易获得。只有当数据的生成被工程师跟上摩尔定律的能力所抵消时，这种情况才成立。即使他们可以无限期地这样做，请考虑一下：如果并非所有数据都具有同等的信息性，那么处理次等或冗余数据的意义何在？
物联网技术