AWS SageMaker降低了AI門檻，對物聯網帶來哪些幫助？
近幾年AI人工智慧(Artificial Intelligence)的話題隨著技術演進一直都是科技業熱門的話題，從AI+金融、AI+醫療、AI+工業，似乎任何事和“AI+”綁在一起就立刻神化？！就在上週一年一度全球科技業眾所矚目的技術盛會AWS re:Invent 2019圓滿落幕，一口氣發表了20多項新服務，其中AI相關項目就佔了幾乎一半，不僅是SageMaker系列，還有多個獨立性強的AI服務可以運用在不同領域，大幅降低了機器學習的使用門檻，這顯然是AWS將AI訂為是未來的發展重點，鼓勵各行各業採用AI發展。
令整個科技業興奮激動的發表會，又再一次宣示AI的重要性，對物聯網來說又幫助或改變了哪些事呢？是的！讓我們今天來談談AI、IoT、AIoT這件事！
“AI人工智慧是致力於解決與人類智慧相關的常見認知問題，例如學習、解決問題和模式辨識。 — AWS ”
就像上段所述，各個領域都有套用AI實例，譬如，就“工業 ”利用AI實現預測性維護，提前預警異常，減少產線停機發生；醫療業則利用來輔助醫生判讀醫療影像、病例等事項，減少病情誤判。企業導入AI無非是希望利用科技來精進現階段的技術及減少因人而產生的失誤或成本，因此，降低AI門檻對各行業都有幫助，但降低門檻就夠了嗎？
AIoT 的Ａ代表“進階(Advanced)“？ 端看人與機器的決策佔比
我總是下這種狂妄標語（笑），但請不要按“X”讓我說完～
決策比例“人 > 機器”：
對金融、娛樂、教育這類以人為主導，原先依靠 “人”的決策運作，AI的數據來源基礎建立在人的決策下，AI的進化就會趨於人性化。以智慧家庭為例，語音助理的推薦是建立在使用者的偏好，數據來源以人為主，AI的進化就會趨於人性化，這就會是市場說的人工智慧(Artificial Intelligence)，絕對會產生全新火花，甚至徹底改變人原來的行為模式。
但偏偏物聯網這個領域硬體才是主角，倘若是“機器 > 人”的領域，譬如工業、能源、建築、物聯網這類以設備為主導，大量牽涉到機器的行業，原先自動化就已經有相當標準了，那麼我認為AIoT的“A”則“Advanced”(進階) 或許就較為恰當！
決策比例“機器 > 人 ”：
站在物聯網的角度，AIoT的發揮在於機器學習及邊緣運算 (Edge Computing)執行( 這個話題讓我們下次好好聊！)，原因是這些行業在經歷多次工業革命的演進，各自在無論是製程或營運，皆有完善的產業基礎，自動化運用也相當成熟，而AI導入的目的是為了實現機器可以自主決策，藉由錯誤經驗找出優化方法 !
透過物聯網，就像是賦予裝置說話能力，裝置可以藉由數據傳送狀態，而AI就像賦予裝置腦袋，讓他可以藉由過去的錯誤經驗學習、導正並優化，在透過邊緣運算進而實現M2M(Machine to Machine)應用，減少人力資源。
我們以製造業舉例，雖然現階段稼動率、製程良率、成本都已達到良好標準、自動化流程也有一定的水準，但當設備機器遇到錯誤或停機等異常事件，還是只能被動等待人員處理，機器無法主動排除或學習錯誤避免再次發生，這是目前遇到的瓶頸。而為了讓設備“發現錯誤”、“主動改進”提升到零缺陷，AI的決策推薦是基於原來的設備數據之下，而非人的偏好，這就像“進階”的自動化 !
以硬體為主角的物聯網領域，OT → IT先成功再說
回過頭來談，AWS 降低了AI門檻的確加速產業發展，對開發人員幫助非常大，不僅是物聯網領域、透過簡單的介面可以不用花太多力氣在建立框架，幫助使用者快速進入到設計機器學習模型的階段，再加入自己的領域知識以及硬體有足夠規格應付運算，確實省下很多力氣。
當然，任何應用要達到精準或趨近於人性決策的智慧，本來就不是簡單的事！除了模型設計、反覆測試分析或甚至是M2M的聯合應用，也別忘了最基礎的IoT核心組成“連網”、“管理”、“數據”！
有了數據來源並且持續累積，好的運算模型才能效果加乘，沒有持續的累積數據，再好的AI架構或運算模型仍然無用武之地。因此對物聯網來說，我的回應仍然是“先有數據”！
