第一章 五百億件物品連上網的那一天
不想再搭擠滿人的電車了嗎？
日本首都圈的上班族通常都為了山手線電車人擠人的問題而傷透腦筋。遇到這樣的問題時，可利用「JR東日本APP」解決。
該APP是由東日本旅客鐵路公司開發而成，旅客可透過程式查詢列車運行狀況、站內地圖，以及車站內外設施等資訊。想要解決前述問題，可利用選單中的「山手線列車網」項目。
點選該項目後，便會出現山手線乘客最熟悉的圓形路線圖，仔細看會發現，上面標示了許多紅色箭頭，有些箭頭還位於車站之間。
你猜到了嗎？沒錯，這些紅色箭頭標示的是各列車的目前位置。點一下箭頭就會出現該車廂的結構圖，告訴你一號、十一號車有輪椅和嬰兒車的專用空間，四號車為微冷車廂….等資訊。
有趣的來了！乘客可透過「山手線列車網」查詢車外氣溫和各節車廂氣溫，這麼一來，夏天就能確認微冷車廂溫度是否真的較高。不僅如此，該程式還將各車廂的擁擠程度分為三階段——「樂搭舒適」、「摩肩擦踵」、「動彈不得」。不想人擠人時，只要事先查詢下班電車的搭乘狀況，再選擇最空的車廂上車即可。
山手線使用的是E231系電聯車，車內設有偵測氣溫高低、擁擠與否的感應器。列車長可隨時掌握車內的最新狀況，再利用廣播告知乘客「前方車廂較為空曠」、「因車內溫度開始上升，現在將為您調低空調溫度」。
那麼，該查詢服務是如何運作的呢？首先得透過列車上的通信器，將資料回傳至東日本旅客鐵路公司，伺服器再將資訊上傳到網路上。這麼一來，乘客只要點點APP，就能瀏覽條理分明的訊息。
以往列車發生嚴重誤點時，乘客只能透過電視新聞掌握最新資訊。近來由於推特、臉書、Line等社交媒體的普及，許多人都參與「發訊」的工作。等電車時，只要收收朋友的簡訊，又或是在社交網站上面稍作查詢，就能知道下班電車會不會誤點。
然而，我們能從「人」身上獲得的資訊是有限的。畢竟沒有人會觀察哪一節車廂比較空，然後特地上推特告訴大家；又或是用溫度計測量各節車廂的氣溫，再特地發LINE給你。
相對的，山手線列車網的訊息皆是由機器處理，收發訊均由列車自行包辦。因此，無論你身處何時何地，只要連上網路，就能掌握列車目前所在位置、第幾節車廂較為擁擠、車內溫度是否過熱過冷等資訊——這，就是所謂的「物聯網」。
物聯網的起點——RFID
一般認知中的「物聯網」，是指將物品（電車、溫度計、空調，甚至是牙刷）連上網路，以便在遠端確認物品狀態、操縱功能的技術。這種技術是從何發展而來的呢？我們先來回顧一下物聯網的簡史。
「物聯網」一詞，最早是由RFID（Radio Frequency Identification，無線射頻辨識系統）技術專家——凱文・艾斯頓（Kevin Ashton）於一九九九年提出。RFID是運用電波啟動小型電子電路以傳送資訊的無線通信技術。日本人常用的感應式交通票卡Suica卡、Pasmo卡就是運用這種技術。
RFID因不需要電源，可嵌入各種物品，為使用者提供數位資訊。比方說，只要在物流貨物上貼上標籤，即可隨時在網路上追蹤包裹的寄送狀況。艾斯頓認為，各種物品連上網路後形成「物聯網」，這份技術將為社會帶來巨變。
當時艾斯頓任職於寶僑公司，負責開發唇膏商品。艾斯頓發現，他們的唇膏在許多店裡銷售一空，店家卻放著空貨架沒有及時補貨。他認為這實在非常不合理，難道沒有更有效率的方式可以掌握店內的存貨和銷售狀況嗎？這才有了物聯網的誕生。
一九九九年時，資訊技術並不像現在這麼發達。當時網路使用人口才剛破兩億，日本通信公司NTT docomo才剛推出「i-mode」手機上網服務。雖說人們已能透過RFID將物品連上網，功能卻依然有限。
然而，根據「摩爾定律」，數位科技產業具有突飛猛進、日新月異的特徵。該定律是英特爾創始人之一戈登・摩爾（Gordon Earle Moore）於一九六五年提出的經驗法則，摩爾預言，半導體晶片上的電晶體密集度每兩年會增長一倍，性能也會跟著翻倍。值得注意的是，摩爾認為技術革新並非以直線進化，而是以2→4→8→16→32→64→128….倍數急速成長，且發展速度會越來越快。之後我們會談到，發展物聯網有幾個必備要素，除了供機器連線的通信網路，物品本身也必須要有資訊處理和通信的功能。而在二十一世紀的頭十年，這些技術皆以迅雷不及掩耳的速度成長進化。
在科技的發展下，物品開始互相連線，各大企業也紛紛推出各種相關服務。早在二〇〇四年，理光公司就推出了可遠端監控複合機、列表機等產品的「@Remote」服務。理光可透過該系統得知機器的即時狀況和使用情形，蒐集產品的運作數據。這些數據可用來預防機器故障，且消耗品快用完時，系統還會通知理光自動補貨。
在一九九五至二〇〇〇年之間，這樣的機制稱為「普及運算（Ubiquitous Computing）」而非物聯網。「普及運算」是一九九一年，美國帕洛亞托研究中心的科學家——馬克・魏瑟（Mark Weiser）所提出的觀點。「Ubiquitous」為「無所不在」之意，因此普及運算又名「無所不在的運算」，是一種依照空間和用途，在各場所、物品上設置不同形狀大小的運算機器，以進行資訊處理的概念。普及運算的概念和物聯網差不多，可惜卻是「生不逢時」，這樣的想法在當時太新潮、太前衛，導致最後未紅先衰。現在科技好不容易趕上思想的腳步，普及運算卻成了「未獲實現的過去式」。
普及運算退燒後，世界開始吹起物聯網風潮，「智慧型手機」便是其中之一。雖說資訊處理技術比起過去已大有進步，但要讓一個小型機器同時具有資處和通信功能卻依然困難，即便真的開發成功，也會因為價格高昂而無法普及。而智慧型手機的出現解決了這個問題，即使物體本身不具連網功能，只要能和智慧型手機進行近距離通信，就能透過手機連上網路，再用手機下載介面操縱即可。多虧了智慧型手機這類高性能機械為其他物品提供了資訊處理和通信功能，物聯網才能無所不在，進而全面商用普及化。
物聯網的普及還有另一個幕後推手——雲端運算。「雲端」是指透過網際網路運用遠端的運算資源。雲端系統規模一般非常龐大，且為隨選自助服務，使用者可隨時使用自己需要的資源。因此，即便是沒有預算投資ICT（資訊通信）設備的小企業，也能利用雲端架出可供處理大量資訊的程式系統。物聯網的產品比電腦、智慧型手機數量更多、更加普及，雖說個體資訊量並不大，加總起來卻是極大的負擔。而雲端系統正好能滿足使用者的需求，進而解決了這樣的問題。
不僅如此，使用者還能在雲端上建立處理高階資訊的人工智能系統。目前人工智能正以急速發展，其進步超乎了以往人類對機器的認知，不但能處理高階工作，還能和物聯網結合，賦予物品「智慧」。你能想像嗎？未來的某一天，一支牙刷可能擁有超越人腦的智慧——想必這樣的「物聯網」，已經遠遠超出當初艾斯頓的想像。
物聯網的急速擴張
在物聯網概念的擴張下，現在已有無數的機器連上網路，人類在網絡上逐漸被邊緣化，相信今後這樣的差別會更加明顯。
自九〇年代網際網路走向商業經營後，世界上的網路使用人口日益增加，一九九五年僅有兩千六百萬人，二〇〇〇年已成長至四億人，二〇一四年更突破三十億人。全世界人口約七十億人，也就是說，有超過四成的人都在使用網路。
那麼，物品連網狀況又是如何呢？根據美國思科系統公司於二〇一二年公布的調查結果，連線的物品數量約在一百億至一百五十億台之間，是網路使用人口的三倍以上。思科更推測，這個數字不到世界上物品總數的百分之一。就今後的發展而言，物品所蘊藏的潛力遠遠高過人類。
當時思科便預言，連網物品數量會於二〇二〇年前擴張三到五倍，成長至五百億台。雖說就物品總數而言這還只是冰山的一角，但思科認為若達到該境界，代表人類身邊大部份物品皆可連上網，因而對此提出了「萬物聯網（Internet of Everything，簡稱IoE）」一詞。我想，要形容未來的物聯網，沒有比這更貼切的詞了。
不過，五百億的件數中，也包含了工廠、公共設施等和消費者沒有直接關係的物品。因此也有人懷疑，就算進入萬物聯網時代，一般民眾會不會還是用遙控器開空調，按按鈕啟動洗衣機，把鑰匙插進鑰匙孔開門？
會有這樣的疑慮是理所當然的，但不用擔心！經濟合作暨發展組織（Organisation for Economic Co-operation and Development，簡稱OECD）於二〇一三年公布了一份調查結果，以四口家庭為例，二〇一三年家中平均連網機器數為十台，二〇二二年將會增加至五十台，其中除了電腦、智慧型手機、平板電腦，還包括「智慧型電燈」（每家平均七盞）、智慧型無限插座（平均五個）等物品。
媒體在介紹物聯網近未來的普及化時，大多都是引用前述思科所預測的「五百億」，偶爾也會提到「一兆」這個數字。二〇一三年舉辦的第一屆兆級感測器高峰會上曾公布一份未來科技藍圖，二〇二三年前，社會上的兆級感測器數量預計將提升至一兆台，也就是現在的一百倍，以解決各式問題。雖說目前還不確定這一兆台感測器是否都會連上網路，但將其所偵測到的資料上傳至網路上、與民眾共享應該並非難事。
五百億台連線機器、一兆台感測器⋯⋯先不論這些預測數字是否正確，這兩個數字告訴我們同一件事——接下來的四到五年，物品的無線通信技術將會有突飛猛進的進展，成長曲線不是緩緩前進，而是有如九彎十八拐一般大幅高升。以前看似遙遠的未來，如今卻已不知不覺來到我們的眼前。
看到這裡，相信你已經了解物聯網的大略狀況。接下來我們要從細部琢磨，討論形成物聯網的結構要素。
物聯網結構要素(1)：物品
常聽人家說物聯網，物聯網到底是指什麼？又包含什麼樣的技術呢？針對這些問題，當分析角度相異，又或是談論不同商品，答案也不盡相同。
31頁的圖2是本章要談論的「物聯網五大結構要素」。其實若真要細分起來，還有其他許多要素（像是啟動感應的電源等），但為了簡單起見，本章僅整理出五大重點項目。
第一個結構要素為「物品」。圖中是以鉛筆示意，也可替換成其他任何東西。近來物聯網的物品包羅萬象，大如複合機、汽車等可動式的大型「裝置」，小至筆、叉子、牙刷等「消費財」，都屬於「物品」的範疇。
也許你會覺得：「這有什麼好說的？既然叫做『物』聯網，結構要素一定包含『物品』啊！」沒錯，但事實上，某些物聯網系統和服務對「物」的定義有些曖昧不清。
就拿穿戴式裝置來說吧！這類商品顧名思義，就是做成眼鏡、手環等形狀，讓人穿戴在身上的裝置。該裝置基本上可分成兩種，一種是類似知名的Google Glass，上面配有收訊的鏡頭，以及供閱覽情報的顯示器；另一種則是像第四章會介紹的Fitbit運動追蹤器一樣，專門從端末接收佩戴者的資料（步行數、睡眠狀態等）。這裡要舉的例子，是較偏向後者的智慧健身計步器。
計步器本身是「連網物品」，屬於物聯網的標準範例；但計步器提供的是「收集人類活動相關數據的服務」，這樣還能說它屬於「物」聯網嗎？說人體是「物品」好像有點怪怪的吧？我們在判斷物品是否屬於物聯網時，是該用有無通信裝置、感應器來判斷呢？還是用它收訊的對象來判斷呢？隨著基準不同，物聯網的範疇也大相逕庭。
舉個更曖昧的例子，物聯網的代表產品——汽車。最近汽車也進入了資訊化領域，我們可利用軟體操縱車內的各種裝置，查詢機械運轉狀況。
假設汽車可隨時追蹤雨刷的相關數據，能產生什麼樣的價值呢？若修車廠能拿到這份資料，就能得知客戶目前的雨刷使用狀況、雨刷桿損壞到什麼程度。雨刷損壞到一定程度時會發出令人煩躁的震動聲，但為了修雨刷特地跑一趟修車廠似乎又有點大費周章，所以一般人都是等到真的無法忍受時才進廠修理。如果修車廠收到附近有人雨刷壞掉的資訊，就能即時傳「換雨刷○折」的優惠卷給駕駛，為修車業創造莫大的商機。
看到這裡，你是不是也覺得滿有意思的呢？接下來，我想請各位思考一個問題：「為什麼我們需要雨刷？」雨刷，顧名思義就是下雨時使用的。若連線資料顯示目前某地區有大量駕駛在使用雨刷，我們就能得知該地區正在下雨。
如果今天雨刷連線是為了接收各地晴雨狀況，那麼這裡的「物」指的是雨刷還是雨滴呢？嚴格來說，從產品本身的角度來看，連上網路的是雨刷。若從物聯網所產生的價值來看，「是否下雨」才是物聯網所傳達的訊息。由此可見，若能換個角度思考，就能挖掘更多物聯網的可能性。
物聯網結構要素(2)：感測器
「感測器」，顧名思義就是用來感應事物，將狀態轉換成資訊的裝置，像是溫度感應器、加速感測器、GPS，最近甚至還開發出可以代替人類探測味覺、香味的五感感測器。
一般人都不知道，照相機和麥克風也屬於感測器的一種。在資訊處理技術日新月異的發展下，相機已能經由分析判別影像內容，麥克風也能判斷接收到什麼聲音。同時使用兩台相機，鏡頭就能像人的雙眼一樣，運用視差擴大影像範圍。
感測器有很多類型和模式。物聯網系統一定要搭載適合的感測器，否則無法讀取到目標資料。因此，在建構物聯網時，必須慎重選擇感測器，要感應什麼、轉換成什麼數位檔案都非常重要。
就拿最近萬眾矚目的無人飛行載具（Unmanned Aerial Vehicle，以下簡稱UAV）來說吧。UAV的功能目前正不斷更新，最新機種的乘載量甚至高達三十公斤。在高性能的輔助下，我們可將各種鏡頭、感測器裝在UAV上，收集環境數據。不少人都認為UAV對物聯網的影響指日可待。
現在許多工地現場都會使用裝有攝影鏡頭的UAV，以取得工地現場狀況的電子資料。經過設定後，UAV可在固定間隔出動，並將偵測到的訊息合併，製作成3D地形圖。雖說這屬於後述的「物聯網結構要素(5)：資訊處理」的範疇，但若非搭載了高性能感測器，UAV是絕對無法完成這些任務的。
前面「山手線列車網」所提到的E231系電聯車，內裝有「擁擠程度感測器」。該感測器原本是重量感測器，用於取得電車總重量，以方便駕駛在停車時控制煞車。而同一份數據除以乘客的平均體重後，便能得知目前電車的擁擠程度。由此可見，只要將感測器所收集到的數據稍加處理，即能運用在其他服務上。
總的來說，架構物聯網時，可不能被一般「感測器」的概念束縛住，這樣只會畫地自限。進一步思考如何將舊數據加工成新資訊，才能將物聯網系統開發得更廣闊、更深遠。
不過，物聯網是指「將物品連上網路，以在遠端收發數據、控制物品的系統」，所以嚴格來說，有些物聯網並不需要感測器，像是智慧門鎖，即使不啟動感測器，只要在控制介面上確認自己開關了幾次，即可知道目前門鎖是開是關。
前述的RFID亦是如此，利用讀取機即可把握RFID設備的位置。這些物品上並非沒有感測器，而是利用物聯網系統中的其他要素進行偵測功能。這個例子告訴我們，若過於注意「物品」本身，反而無法看見物聯網的全貌。
物聯網結構要素(3)：處理器
有些物聯網是將具有連網功能的「物品」裝在機器或裝置上，讓該物品發揮資訊處理功能。也因為這個原因，家電、辦公機器、電子類等領域產品的物聯網較蓬勃發展。
然而，並非只有機器可架構物聯網。在科技日新月異的發展下，現在的處理器已越來越小，功能也日漸強大，為許多往日無法想像的小型產品賦予了資訊處理功能。有些廠商甚至為自家物聯網產品開發專用的處理器。
「微處理器（Microprocessor）」是一塊積體電路，上面包含負責處理資訊的CPU中央處理器、保存程式和檔案的記憶體，以及其他相關電路。在全世界吹起一股物聯網風潮後，各廠商開始火速研究如何製作出更小、更高性能的微處理器。開發到什麼程度呢？現在一般民眾只要購買市面上的微處理器，不費吹灰之力就能開發出物聯網裝置。
就拿英特爾的的產品「艾迪森（Edison）」來說吧。艾迪森是一種超小型微處理器，因大小只有35.5×25×3.9毫米，媒體通常用「郵票」來形容它。艾迪森搭載了無線網路和藍芽4.0等通信功能，這大大減低了開發物聯網裝置的難度。
每年一月於美國拉斯維加斯舉辦的CES（Consumer Electronics Show，國際電子消費展）是全世界最大型的電子用品展覽會。二〇一五年，會上展出了一項波蘭創業公司團隊運用艾迪森開發出的穿戴式產品——「Snowcookie」。Snowcookie是一種只有手掌大的半圓形機器，上面裝有加速感測器和地磁感測器，可裝在雪撬、滑雪板上掌握目前的滑行狀態、距離等資訊，並發送至智慧型手機中，使用者可透過APP查詢數據。在小型微處理器普及下，只要透過加裝機器，連滑雪板這類簡易的物品也能形成物聯網。
處理器和感測器一樣，並非構成物聯網的絕對要素。RFID系統的物品就因不用處理複雜的資訊，所以無須設置處理器。另外，如前述雨滴的例子，物聯網對象包括間接取得資訊的「物」，因此，我們不需一一在雨滴內裝置處理器，只要將雨量計（或是汽車雨刷）連上網即可。
後面我們會談到，物聯網中的「物品」不一定要具有高度處理功能。物聯網，顧名思義就是「將物品連上網路」，並運用通信功能在遠端進行資訊處理。設計者可思考各種可能性，依系統需要增減物品的資處能力。
物聯網結構要素(4)：通信功能與網路
既然要將物品連上網路，就代表「收發資訊功能」在物聯網中是不可或缺的要素。那麼，物品要如何收發資訊呢？有以下幾種模式。
最單純的方法是將發訊器直接連結收訊器。像是日本保險公司——損害保險日本興亞所推出的「微笑上路服務」即屬於此類型。「微笑上路」是為法人所設計的意外防止系統，將具有3G通信功能的機器裝在車上後，即可透過3G連結管理中心收發資訊。
但是，像3G和3.9G（LTE）這類移動式通信設備看似簡單，對物品卻有諸多限制，除了要有通信裝置、SIM卡卡槽，因線路必須隨時保持連線，還必須確保有足夠的電力來源，能滿足這些條件的物品其實是有限的。不僅如此，使用者每月還得繳交通信費用。雖說最近有企業推出物聯網機器專用的資費方案，但若你身邊有大批物聯網機器，通信費將是一筆不容小覷的數目。
另外，日本〈電波法〉規定，移動式通信設備的端末必須設置在地表或是室內。就技術而言，我們可將UAV搭載3G、3.9G通信功能，在UAV從東京飛往北海道的航程中直接進行操作，但就法律而言，這卻是違法的行為。
要如何解決這類問題呢？答案是使用Wi-Fi通信。也就是將電腦、平板電腦等端末藉由Wi-Fi熱點連上網路，連結數據收發系統。這麼一來，就可解決物品通信機器體積過大的問題。但麻煩的是，因Wi-Fi電力消耗量較大，所以不適用於使用小電池的機器，又或是必須隨時保持連線狀態的物品。
相對於Wi-Fi耗電的缺點，較為省電的「藍芽通信」近來廣受各界注目。使用者可藉由藍芽和物聯網裝置附近的智慧型手機、電腦等具有通信功能的機器連線，即使連線物品較小，也不需擔心電池沒電的問題。如果使用的是智慧型手機，還能透過3G、3.9G等功能擴大網路連線範圍（且連線費用由使用者自行斟酌）。雖說這種連線方式只限於智慧型手機使用者，但現在智慧型手機已相當普及，在開發消費者專用的物聯網服務時相當值得考慮。
物聯網的通信方式不勝枚舉，除了上述三種無線通信方式之外，只要符合連線條件，當然也有有線的連線方法。但礙於本書的主旨在於分析物聯網的技術條件，而非議論哪一種物聯網系統較具效率，因此，在此不打算討論通信方法的優劣。但我要提醒各位讀者一件事，在決定物聯網的連線方式時，一定要先考慮物聯網系統能創造何種價值，才能做出最佳選擇。
物聯網結構要素(5)：資訊處理
只要匯聚以上四種要素，基本上就能將物品連上網收發數據。然而，物聯網能產生多少價值，則取決於第五種要素——「資訊處理」的功能高低。不管物品收集到多貴重的資訊，未經過處理是無法創造價值的。換句話說，若缺少資訊處理功能，再貴重的數據也是白搭。
前面我們談到，物聯網之所以這幾年來飽受注目，其中一個原因就是資訊處理環境和科技的高度發展。物聯網到底是如何處理資訊呢？這裡分為「可視化」、「解析」、「預測・最佳化」三種類來看。
「可視化」是指將物品傳送來的資料轉化為有助人類理解的圖表、儀表圖示。比方說，當端末傳來「上午八點氣溫為二十七度，上午十點氣溫為三十度」的訊息時，與其光看字面，以曲線圖顯示更能掌握「氣溫上升」的訊息。若能將系統設定為氣溫超過三十度時用紅字強調，使用者更能在氣溫異常時取得必須情報。前述的山手線列車網就是一個例子，各列車傳來的數據經過美麗的加工後，才會顯示在APP上（像是將車內擁擠程度分為三階段，並加上一目瞭然的圖示）。雖說物聯網的本質是由機器主導處理資訊，但若未經任何加工就發佈原始資料，人類將無法有效運用這些數據。也因為這個原因，才需要「人工可視化」這個步驟。
第二個「解析」，則是在物品傳來的資料中發覺有意義的事實與現象。最典型的例子是影像解析，舉例來說，在街角、室內裝置監視器後，人類可透過遠端監視操控，但如果所有影像都必須經由人類檢查確認，未免也太費工夫了！即使讓機器負責篩選的工作，最後也會因為資料量過於龐大而無法即時處理。
運用「解析」功能就不用擔心這些問題了！機器會自動幫你從龐大的資料中篩選出有「意義」的檔案。NTT通信公司日前開發出「深度學習人工智能技術，可透過解析功能判別影像中的人在從事何種行為。二〇一五年十月的實驗結果顯示，該科技有超過八成的機率能精準判斷「蹲下」、「東張西望」、「放東西」等動作。在「深度學習」的輔助下，監視器就能在感測到有人在放東西時向警衛發出警報。
第三個「預測・最佳化」，是指將資料統整出一套走向，以導出最佳操控方式。即使將具有高度價值的資料可視化為一目瞭然的圖表，還是有可能因為人類的誤判而做出錯誤操控，這麼一來就前功盡棄了！因此才需要讓機械判斷數據，做出「預測・最佳化」的手續。
富士通九州日前和微軟合作，推出了「牛步軟體服務」這套極具特色的畜產管理系統。之所以叫「牛步」，是因為業者會為牛隻戴上穿戴式裝置以記錄牛的步行數，藉此預測牛隻的發情期。為什麼要預測發情期呢？因為牛的發情期很短，以往業者經常為此而錯失人工授精的時機。在該系統的輔助下，業者能夠精準預測牛隻的發情期，調整人工授精的最佳時機，小牛出生率也因此有了突飛猛進的成長。
以上是物聯網資訊處理最主要的三種方式。最近在人工智慧的發展下，「解析」和「預測・最佳化」的具體運用事例正逐日增加。這兩種方式能帶來什麼樣的商機呢？我們會在第三章和第四章中詳細說明。
所謂的物聯網整體技術，重點不只在於將五百億台機器又或是一兆台感測器連上網路，而是如何將收集到的資訊進行適當處理，創造新價值，又或是運用在人類的行為上。那麼，這樣的技術是在什麼樣的狀況下出現的呢？我們將在下一章分曉。
2024專利防護中