可以使用諸如機器學習（ML）之類的技術來增強優化決策，機器學習是人工智能（AI）的組成部分。ML獲取由健康應用程序，智能儀表或支持互聯網的汽車等生成的數據，并使用這些數據來發現模式并學習如何優化給定服務。例如，NVIDIA開發了智能視頻，處理大數據分析并將機器學習應用于視頻流。他們與50個AI城市合作伙伴合作，利用該技術改善智能交通等領域。到2020年，預計這些智能相機將達到10億。這是生成，分析和采取行動的大量數據。該系統將取代人工解釋，取而代之的是機器學習算法，預期在準確性和速度方面有所提高。這個城市大腦將處理我們的許多個人數據，包括有關我們運動的視覺數據。

如上所述，機器學習需要數據來發現模式和趨勢。對大數據的分析為城市服務提供了高度響應其公民需求所需的信息。它還在服務中使用這些數據來構建更優化的服務使用響應，有助于增強體驗并提高可持續性。正在探索適合人工智能和機器學習的一個領域是服務的個性化。這要求在用作分析工具之前收集和匯總個人數據。

我們必須仔細考慮數據如何使智能城市體驗個性化，以及在智慧城市環境中利用AI和ML的偏見和隱私問題。

AI和ML如何個性化智能城市服務

例如，個性化體驗的ML工具已經在營銷中使用。在這里，他們習慣于定制在線網站，顯示用戶希望從他們預測的配置文件中喜歡的產品。在智能城市中，相同類型的算法可用于其他目的。例如，三所英國大學的一項研究考察了各種ML算法在自行車和天氣中的應用，以此作為在智能城市內創建個性化服務的一種手段。這是基于大數據的收集，匯總和分析。該研究得出結論：ML，物聯網和大數據的結合，為智能城市技術和服務的開發者提供了巨大的潛力。

流量卡之家認為，AI和ML無疑是當下物聯網系統的最好補充。在前端，傳感器能夠收集更多數據，在5G網絡的應用之下，短時間傳輸更多的數據，大大提高數據傳輸效率。當然，數據的增加需要AI、ML等進行更快的數據分析處理，這樣一套流程下來，要比以往的物聯網系統高效的多。

相關閱讀：http://www.wlk.cn/a/946