
区块链和人工智能技术能否加速物联网经济的到来
区块链、人工智能和物联网都是如今非常流行的科技名词,它们不仅拥有各自的特点,还能够互相利用互相促进。本文对人工智能和区块链如何实现物联网经济进行了分析,指出这些新技术可能改善人们对大数据的访问及交换,使设备更加智能,帮助用户通过自己的设备直接获利。
被称为物联网(IoT)的连接设备集体网络正在不断增长。高德纳咨询公司(Gartner)估计到2020年将会出现84亿物联网设备。这种增长预计大部分将出现在消费者设备领域,因为更多消费者会持有智能设备。预计企业也会加大采用以提高生产效率并使行业应用最大化。
人工智能(AI)和机器学习(ML)方面的进步会使智能设备变得更加智能化。物联网会共同生成大量的数据,并具有多种多样的功能,从而反过来用于指导和改进算法,使技术更好地发挥作用。
物联网的这些发展可能会改变世界。例如,智能温控器可能被一些人视为新奇事物,但是,这些设备实际上可以防止停电等可能出现的事件。暖季期间能源需求可能会很高。人工智能就可以监测温度设置和家庭与公司的能源消耗,并远程自动调整这些智能温控器以防断电。
数据可被视为改善物联网设备的基础,因此对于开发人员来说,更好地获得信息是至关重要的。但不幸的是,信息交换目前仍充满挑战,尽管人们正在努力改变这种情况。例如,由区块链驱动的数据流服务公司Streamr就正在推动更民主的数据交易方式,BDEX和Terbine等大数据市场则在把大数据所有者与开发人员联系起来。
1使人们能够访问大数据
一般来说,公司和开发人员必须收集和存储自己的数据,才能获取大数据。如果他们需要数据多样性,那么他们可能不得不向外界寻求这样的信息,这项工作也因此更具挑战性。许多小企业也可能缺乏资源来开展一些项目,因为他们无法利用大数据。
更令人沮丧的是,由于可访问的大数据数量有限,组织本身在使用一切时都会遇到困难。根据Forrester的数据,企业内部多达60%到73%的数据在分析中都得不到应用。有价值的信息可能只被闲置在数据仓库和数据湖泊中。
大数据所有者不会让数据在存储中“死亡”,而是会参与像BDEX这样的市场,使他们的数据可供有需要的人使用。他们甚至可以通过这样做获得收入。
2区块链与物联网
区块链在多个领域(包括物联网)得到了越来越多的采用,也因此获得了极高的热度。其透明且不可变的特点在物联网安全等方面能够得到利用。鉴于不安全设备遭劫持或被用作僵尸网络的风险越来越高,该技术成为一种深受欢迎的进步。
更多开发人员现在可以通过以太坊区块链为其各自的用途实施智能合约。这种技术可通过编程与物联网设备一起工作,这些设备中的数据可以触发自动化任务。
从数据方面来看,区块链甚至可以使数据交换更加民主。由区块链驱动的数据流平台Streamr为所有人提供去中心化手段来购买和销售数据。该平台允许数据所有者轻松连接到对等网络并传输他们的数据,其他人可以购买获得数据的权限。Streamr的市场使用区块链智能合约及代币来促进交易并激励数据交换。
Streamr的目标是使人们能够通过实时数据的价值盈利。无人驾驶汽车就能够很好地解释其服务。Streamr首席执行官Henri Pihkala写道:“为了实现最佳操作,它需要不断通过其他机器获取数据,例如来自其他车辆的交通拥堵信息、周边充电站的价格及天气预报等等。Streamr为实时数据交付和支付提供单一接口,使人们和机器能使用加密代币DATAcoin交易数据流。汽车可以自动获取其所需的数据并进行支付。反过来,汽车还可以销售它所产生的数据,例如向其他汽车销售交通数据,向智能城市销售路况测量值,向广告商销售位置和电池用量信息等。这样,数据流经济就诞生了。”
3物联网经济
这种去中心化方式的优势在于它使数据所有者能够随意地通过自己收集和生成的数据获利。他们能够按照自己的意志进行这种活动,直接通过数据盈利,而不用通过中介来进行。
区块链的透明特点还能在用户中形成一种信任感。可以使用声誉系统等机制来帮助潜在买家识别高质量数据来源。由于这个市场向所有人开放,它可能有助于实现由市场驱动的定价,而不是由少数垄断性实体来决定价格。
这种方式还有可能为物联网创建一个更加包容的生态系统,使高质量数据能够更自由地进行交换。更多的参与者也意味着更多可访问的数据来源。这反过来又有助于推动应用程序和物联网设备的改进,从而完善其性能。
区块链作为催化剂能够鼓励用户间的公开数据交换,其去中心化特点能够打破有用数据访问受限的现状。随着数据交易新方式的出现以及硬件与人工智能的不断发展,更多激动人心的创新一定会出现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11