机器经济来了:为互联世界提供动力

分享到:

机器经济是由社会多年的快速发展和向新的制造过程的过渡演变而来的。第一次工业革命(18世纪60年代)见证了机械化的进步,社会从农业模式转向工业模式。第二次工业革命(19世纪70年代)使我们又向前迈进了一步,电力使大规模生产成为可能。第三次工业革命(上世纪90年代)见证了计算机和互联网的发明带来的数字化、自动化和互联互通。

今天,新兴技术的融合加速了变革的步伐,并将我们带到第四次工业革命的边缘——实体世界和数字世界的交汇处。由于物联网、信息物理系统、人和机器的融合,数字信息不断从现实世界具体化。

随着我们迈向自动化的新未来,机器经济将在许多方面影响我们的日常生活,并释放数万亿美元的商业价值。联网的机器将能够自行出租,雇佣维护工程师,并支付更换部件的费用。每台机器都有不同的功能,但有一条共同的线将它们连接在一起——彼此生产和消费商品和服务。

 

 

一个关于机器经济的方程

要理解机器经济是如何运作的,我们需要掌握其潜在的核心技术。机器能够通过三种正在发展的技术的融合来进行交易:

物联网(IOT)区块链机器学习(人工智能的一部分)

到2025年,物联网设备的数量将达到750亿,这为智能传感器和设备之间的机器对机器通信(M2M)提供了必要的网络连接功能。预测显示,到2023年,M2M连接将从2018年的33%增加到50%(147亿)。

与物联网、区块链和ML产生的实时数据相结合,应用程序正在颠覆从医疗保健到制造业的各个行业的B2B公司。这三种基本技术一起创建了一个智能系统,在这个系统中,联网设备可以彼此“交谈”。然而,机器之间仍然不能进行事务处理。

这就是分布式账本技术(DLT)和区块链发挥作用的地方。加密货币和智能合约(去中心化网络上买家和卖家之间的自动执行合约)使自动机器在区块链上彼此交易成为可能。

参与M2M交易的设备可以根据个人或企业的需求进行编程购买。在过去,人为错误是引起关注的原因;机器学习算法提供可靠和可信的数据,不断学习和改进——每天变得更聪明。

数据:关键资源

随着我们进入一个拥有数十亿台联网机器的彻底自动化时代,企业可以通过消除人工流程来提高运营效率,使他们能够专注于创造价值的服务。通过物联网收集、分析和存储大量数据,企业将信息转化为可操作的见解,做出更明智的决策,以建立和保持竞争优势。

机器经济打开了新的商业机会的大门,但归根结底是利用数据作为一种有价值的资产。在机器经济的背景下,创造商业新秩序的四个重要阶段正在形成。

机器正变得多面化,具有传感器、自我监测工具和高度复杂的通信功能。我们的日常工具正变得高度互联,从冰箱、智能锁等消费品到自动驾驶汽车。自我监控的机器可以在不需要人工干预的情况下执行维护、安排自己的保险和决策等服务。

在迈向智能服务的第三步中,企业将不再直接购买机器。相反,我们将看到共享经济、订阅模式和实时租赁的出现,自我管理的资产将在去中心化的生态系统中共享他们的服务。在最后阶段,机器将成为越来越自主的市场参与者,拥有自己的银行账户和支付系统,这些系统的建立和编程是为了在生存层面上支持人类。

机器经济的好处

机器经济有望通过以下方式为人们、企业和更广泛的经济带来重大利益:

降低成本和增加收入:例如,物联网使工业设备制造商能够实施过程自动化、准时化(JIT)制造、远程监控和预测性维护。提高运营效率:M2M传感器使组织能够直接从整个供应链的库存中监控和跟踪资产。创造新价值:将出现新的市场、行业和商业模式(例如“即服务”商业模式)。降低与拥有资产相关的风险:减少企业拥有、维护和管理资产的需求。导致整个销售渠道的积极收益:随着共享机器利用率的增加,随着单位成本的降低,这会导致产品和服务更便宜。从资本支出过渡到运营支出:公司可以根据特定需求和计划的生产周期租用/出租设备。通过节省直接购买机器的大量前期投资成本,新企业可以因为进入壁垒降低而参与进来??。加强劳动力和产出:由于技术工人短缺且复杂性日益增加,物联网和互补技术可以支持员工在机器上工作。通过数据提高透明度:采用智能传感器使公司能够加强其领域知识,以满足消费者的需求并改进可持续的商业实践。

机器开启未来世界

机器经济的未来可以分为两种即将到来的情景。

去中心化自治组织(DAO)

DAO解决了治理的古老问题,旨在通过使用以区块链(例如以太坊)上的智能合约网络为基础的模型,在没有人工监督的情况下运行。在商业领域,我们可能会看到更多DAO出现在智能物业管理、自动驾驶汽车和金融服务领域,使公司能够自动化其部分业务,以在不牺牲服务质量的情况下实现快速可扩展性。

熄灯制造

随着自动化接管生产系统,整个工厂将由机器驱动,机器将自我优化,相互沟通,并通过根源分析(RCA)来响应,识别问题的根源,并开发出一种方法来解决问题,无需现场人员。

在接下来的几年里,我们将看到工业过程的深刻转变。价值链中不同组件之间的同步性增强了,机器做出决策并独立地对周围的环境做出反应。随着我们向机器经济过渡,为了让企业真正利用现有的机会,我们需要机器做的不仅仅是自动化日常任务。我们需要为业务解决方案添加另一层,以从机器服务中创造更多价值。

凭借颠覆性技术的支撑,机器将有能力做出自己的决定,购买和销售服务,并作为一个全新的市场参与者阶层积极参与经济——机器经济即将出现。

 
继续阅读
用人工智能和机器学习为数据中心提供动力

随着数据在当今企业中的重要性日益增加,数据管理对于管理和治理大型数据集以促进业务增长至关重要。公司正在利用先进的分析和自动化工具来处理大量数据。他们还利用装备精良的数据中心进行更好的数据管理。数据中心提供无缝的数据备份和恢复设施,同时支持云存储应用程序和交易。由于它们为业务数据存储提供了独特的功能,因此公司正在转向人工智能和机器学习等新兴技术来改进其数据中心基础设施。

如何让机器有“常识”且更理解人类?第三代人工智能可能要从人机混合上找答案

美国作家Pamela McCorduck在《Machines Who Think (2nd ed.)》一书中写道:“某种形式上的人工智能是一个遍布于西方知识分子历史的观点,是一个急需被实现的梦想,先民对人工智能的追求表现在诸多神话,传说,故事,预言以及制作机器人偶(自动机)的实践之中。”

机器经济来了:为互联世界提供动力

机器经济是由社会多年的快速发展和向新的制造过程的过渡演变而来的。第一次工业革命(18世纪60年代)见证了机械化的进步,社会从农业模式转向工业模式。第二次工业革命(19世纪70年代)使我们又向前迈进了一步,电力使大规模生产成为可能。第三次工业革命(上世纪90年代)见证了计算机和互联网的发明带来的数字化、自动化和互联互通。

NLP-机器理解人类的桥梁

NLP (Natural Language Processing) 自然语言处理,作为人工智能和语言学领域的交叉学科,自然语言处理简单来说,就是把自然语言(如英语或汉语普通话)转换成计算机能够用于理解这个世界的数据(数字)。同时,这种对世界的理解有时被用于生成能够体现这种理解的自然语言文本(即自然语言生成)。

为什么大型机器学习模型必须缩小?

更大的规模不一定更适合机器学习。但是,随着研究人员相互竞争追求最先进的基准,深度学习模型和训练它们的数据集不断扩展。