記住在高中代數，三角學或另一門數學課程中，學生舉手示意以下問題：“我們將把它用于什么?這對我們的成年生活有何用處?”提出此類問題的學生類型通常都不及星學生。但是那些擁有必要的決心和想像力去理解數學可能性的人，往往不僅獲得了良好的成績，而且在數年后，又獲得了從會計到科學等領域的成功職業(yè)。

從某種意義上講，物聯(lián)網和人工智能類似于一個隱喻教室。剛開始時，諸如AI和IoT之類的主題乍看之下似乎并不清晰，但是，經過一些技術紀律，它們的力量顯而易見。曼恩說：“我認為是[一起使用物聯(lián)網和人工智能的早期推動者]往往會做得更好–那些在課堂上有幫助的人。”“而且，那些愿意為這一旅程投資的人現在也有可能與眾不同。”

物聯(lián)網與人工智能和戰(zhàn)略投資趨于交付成果

現在，SAS，德勤，英特爾和IDC進行的一項調查呼應了這一主??題，強調了AI的強大功能，尤其是作為物聯(lián)網成功的推動力。實際上，該報告發(fā)現將IoT和AI融合在一起的組織認為他們無法獨自與IoT有效競爭?？傆?0%的“大量使用AI與IoT結合使用”的受訪者看到了超出預期的結果。

鑒于AI和IoT的采用相對較早，這是一個值得注意的結論。人工智能在很大程度上仍然充滿了炒作。根據Gartner的2019年特定于人工智能的炒作周期，與AI相關的大多數技術和趨勢距離廣泛采用還需要幾年的時間。諸如自動駕駛汽車，人工智能和量子計算等AI技術距離最遠，距離黃金時間可能還有十多年的時間。但是，諸如預測分析，計算機視覺，機器學習和機器人過程自動化軟件之類的技術距離成熟可能還需要幾年的時間。一個單獨的炒作周期發(fā)現物聯(lián)網技術處于相似的位置，盡管稍微成熟一些。

SAS調查獲得的壓倒性多數表明，采用率存在一個臨界點。受益于物聯(lián)網部署的制造商和許多其他公司通常采用傳統(tǒng)的保守方法來擁抱物聯(lián)網和人工智能。曼恩說：“并不是所有制造業(yè)都有這種情況，但其中許多人會說：'在我加入之前，我會讓別人嘗試一下。'但是，最近的SAS研究表明，那些取得飛躍的人往往會獲得壓倒性的扎實成績，從而獲得高層的支持。

該調查利用了450位主要行業(yè)的受訪者的反饋意見，這些受訪者將AI定義為一門廣泛的學科，包括深度學習，機器學習，自然語言處理，計算機視覺等。

某些季度對物聯(lián)網和人工智能的支持仍然不平衡

與此相關的是，德勤(Deloitte)對9,500項單獨的調查發(fā)現，對IoT，機器學習和AI等技術的支持普遍不均衡。該研究在巴塞羅那舉行的IoT解決方案世界大會上進行了介紹。共有54%的人對IoT持積極態(tài)度，這是該調查中給定技術的最高金額。對于AI，相應的數字為47%。對于機器學習，這個數字是49%。機器人流程自動化有時被視為AI的子集，但有46%的受訪者對此表示樂觀。

德勤研究總監(jiān)Mark Cottelleer表示：“我們需要考慮某種特定技術的驅動因素本身。”

曼恩說：“我建議那些認為人工智能將在連續(xù)統(tǒng)的較低端從事工作的人與那些認為將改善或改善其生計或工作的人之間存在高度相關性。另外一端。”

教育程度也影響了對技術的支持。“您受過的教育越多，對這些技術的信心就越大，” Cottelleer說。

對特定技術的支持水平往往因國家而異。在中國和西班牙，對AI和IoT的支持最高。Cottelleer說，各國對特定技術的支持可能會高達20個百分點或更多。例如，以色列對物聯(lián)網的支持率為32%，但略高于西班牙和中國的65%。

當被問及德勤研究報告中概述的對物聯(lián)網和人工智能的一致支持時，工業(yè)互聯(lián)網協(xié)會首席技術官斯蒂芬·梅洛爾(Stephen Mellor)說，當技術仍處于早期采用階段時，這種抵制是很常見的。“我的意思是，如果您回到1900年代，電力是一種令人興奮的新技術，” Mellor說。然而，一些公眾仍然對電力持懷疑態(tài)度，直到它變得司空見慣并退回到公眾思想的背景中。

“目前，[物聯(lián)網]正在經歷Gartner人所說的'幻滅槽'，然后走向'啟蒙坡度'，” Mellor說。顯然，每個公司都在不同的地方。但是平均而言，我們在那個領域。我認為，我們還沒有走到最底層。”