物聯網技術承諾會把我們生活中的一切變得智能起來，但這類智能設備的實際體驗卻普遍讓人失望。說到底，智能性的真正實現并不是件容易的事，而廠商往往也會為了急于將產品推向市場而忽略了現實世界的復雜性。而解決這個問題的辦法其實也很明顯，那就是為產品賦予真正的思考能力，使其有能力去思考語境（或者說上下文）——我們稱其為“語境應用（contextual application）”。那語境應用究竟有何不同？科技網站VentureBeat日前就撰文進行了列舉。

　　1.由語境變化驅動

　　要說最基礎性的不同，那就是這些應用是由語境變化而非用戶所驅動的。用戶輸入當然是語境的關鍵一環，但這也只是其中一部分而已。傳感器、時間、有無其他設備存在或其他類似因素的改變都可以對應用進行驅動。

　　2.總是開啟

　　因為語境會持續變化，語境應用也需要總是保持開啟并進行監控。它們就像是服務層，總是會在后臺運行。但除非有什么相關的東西要說，它們不應該和用戶進行互動。實際上，它們的關鍵目標之一是減少用戶每天開啟它們的次數，而這和如今的大多數應用正好相反。

　　3.利用動態數據流

　　應用所擁有的數據越多，就越能更好的理解周圍環境。地理位置、距離、電量、速度、其他設備的狀態、來自公共或私人系統的數據都是實用的來源。但這些來源可提供的數據量會非常驚人，語境應用必須有能力去動態地開啟或關閉不同的數據流，并管理自己的工作目標。

　　4.通過抽象內容創建實際意義

　　想要讓互動和信息變得與自己息息相關，應用需要在更高的概念層來進行工作。舉個例子，“一部設備進入30.534oN，-97.231oW位置”顯然不夠那么意義明確，而如果是一條內容為“你的兒子已經從學校安全返家”就有用得多了。隨著信息塊的彼此堆疊，我們需要去思考概念和信息才能達到更高等級的抽象化。

　　隨著語境信息和生成設備之間的關系變得越來越分離，它可以轉化成抽象的數據元素。這一點的重要性在于，隨著新數據源的到位，它們可以與兼容概念進行整合。舉個例子，你可以把一部燈塔設備放進汽車，并將其定義為一個“地點”。即便這個燈塔并不包含地理位置數據，并會產生移動，它也能像地理圍欄一樣定義一個抽象地點。

　　5.使用常識啟發

　　我們可以使用多種工具來實現更高程度的抽象概念，啟發（法）就是其中之一。抽象概念之間的關系可以通過簡單規則進行協調，這些規則在執行常識功能上面也十分有用。舉個例子，應用每天會記錄下用戶凌晨3點所處的位置，如果10天內90%的位置都是相同的，那這也就意味著該地點是用戶的家。此外，在特定地點所停留的時間也會被考慮在內。當用戶進入一間咖啡館周圍的地理圍欄時，保持15分鐘靜止不動（可能在喝咖啡）和以30mph的速度移動（可能正開車穿過）顯然是有區別的。

　　6.使用統計分析和統計回歸

　　我們可以使用的另一種機制是統計分析和統計回歸。讓計算機在不同概念層運行統計分析，并檢測類似模式和明顯的偏離是件相對簡單的事，比如常規路線的監控。

　　比方說，用戶家里的孩子每天下午坐校車回家需要20分鐘，上下浮動在5分鐘以內。可如果某天他/她在放學之后的35分鐘還沒有到家，那肯定是有事情發生了。無論怎樣，讓家長了解到問題的發生顯然是有必要的。

　　7.學習能力：算法

　　學習算法也是另一種資源，比如貝葉斯網絡、神經網絡和強化學習。這些算法的工作方式一般是接收輸入，建立內部模型，預測接下來會發生的事，并查看預測是否準確。預測結果會被發送回系統當中以幫助進行學習，如果結果準確，因素會得到強化，而致使錯誤結果的因素會被弱化。隨著時間的推移，如果預測的成功率達到了特定的信任標準，用戶就可以開始信賴它們。

　　8.彈性和適應性展示

　　彈性和適應性是另外兩個重要的考量因素。彈性指的是在現實世界當中，事情的發生和周圍環境是可變的。數據來源可能來了又去，你的手機可能會離開信號覆蓋范圍或者剩余電量過低，操作系統也有可能會關閉應用。在這些情況發生時，應用需要進行恢復，失敗的話則應該自動降級。適應性指的是應用需要去考慮基線環境，并區分暫時調整（比如全家外出度假）和永久性的變化（加入新型設備或安裝新的燈塔）。

　　9.通過互動對話建立信任

　　在開發語境應用時，最后應該考慮的因素是耐心和信任。由于習慣了及時享樂，我們都希望一款智能應用在購買之后可以立刻開始工作，但這種態度并不正確。購買一部智能設備就像養一只寵物，我們需要對其進行訓練。