西門子代理商 鹽城西門子代理商 鹽城西門子代理商

諸如天氣、交通、股票市場和體內生物化學過程等種種復雜系統的運轉，并不是隨機而為的過程，相反這一切都要遵循各自的非線性規律。此類系統的個體組成部分之間相互作用，不斷更迭。這樣的例子比比皆是，譬如沙丘會自然成型，又如云朵、蟻群、激光中的光脈沖和大腦中的信號，無不自成一體而有條不紊。系統的復雜性隨其所包含元素的數量、這些元素之間的聯系廣度以及聯系關系的非線性程度而增加。因此，假如信號強度加倍，產生的結果未必也只是加倍，而可能是4倍甚至8倍于原本的強度。

不過，通過運用復雜動態系統理論，人們通?？梢栽诹攘葦祩€參數的基礎上為影響著多個系統的趨勢建立模型。譬如，一個智能交通引導系統，要預測特定高峰路況或嚴重擁堵，它并不需要掌握公路上每個司機的駕駛行為。這樣的系統經過調試，能夠根據交通流量模式的變化及時識別出趨勢，然后視需要調整交通燈次序或隧道入口通行情況。

資料來源：互聯網數據中心發布的《2011年數字宇宙研究報告》（兩份圖表均引自該報告）

說到復雜的系統，大腦就是一個極其有趣的例子。當人們學習新事物時，大腦中的神經元會自動建立新的結點，形成新的神經網絡。在由感覺器官傳遞到大腦的刺激模式的作用下，大腦中會形成更為復雜的行為模式?？偟膩碚f，在腦研究和復雜系統研究成果的啟迪下，計算機科學領域也發生了范式轉變。在相當長的時間內，科學家們一度以為復雜的系統只能通過高級程序來控制，但是如今我們知道了，像發電、制造、交通引導系統和物流等領域的很多過程，都可以通過神經網絡來實現管理，其作用方式正如大腦神經的互聯互通。這里的一大優勢就是此類人工神經網絡可以從實例中實時學習，并根據變化著的狀況靈活做出響應。

現在神經網絡已經被應用于電廠運轉控制中。比如，堪稱當前 高效的發電裝置的西門子在德國易興鎮建造的燃氣輪機，就配備有數千個傳感器，可以不間斷監測氣壓、廢氣溫度和排放量。傳感器監測到數據后，以人腦為模型的軟件系統對數據進行評估，同時自動從中學習。但是測量數據不僅用于優化一座發電裝置的運轉；利用某種群體智能，還可以實現多座發電裝置的互聯互通，而這些發電裝置本身在運轉過程中會根據經驗不斷自我優化。

與此類似，在未來的“物聯網”中，很多設備將可以互相交換數據，使用網絡服務，以及人機交互。比如，衣服將告訴洗衣機需要設置的水溫；汽車之間將相互通信，從而避免交通堵塞和事故；未來的電網將連通千千萬萬個能源生產商和消費者；軟件代理將自動購買和銷售電力；工廠里的部件將裝上智能標簽，從而能夠自我組織，并通過無線電通信來控制生產過程。

資料來源：思科VNI移動，2012年

工業設施也將采集整個產品生命周期期間的數據，用以優化生產制造、產品運轉和回收利用；一體化交通和運輸系統將綜合利用各種交通方式，以使乘客能夠盡可能快捷而便利地抵達目的地。在目前的應用中，由先進醫療設備生成的圖像已經可以通過計算機來解讀，然后圖像信息與知識數據庫中的信息相聯系，輔助醫師進行診斷。

物聯網將使知識獲取方式發生天翻地覆的轉變，并催生新的商業模式和服務。人們還將以類似的方式建立一種全新的“知識互聯網”和“服務互聯網”。不過首要的一點是，通過網絡實現互聯互通的事物數量勢必會激增。舉例而言，互聯網數據中心（IDC）的市場研究人員預期不超過2015年，全球就將有150億個聯網型設備實現互聯，而到2020年，這一數字將增加到500億以上。