网络安全是人们经常提到的危险之一，随着越来越多的联网设备被放置在我们的房屋，办公室以及几乎任何地方来告知我们有关天气，订购咖啡胶囊或开门的风险。

想想Wi-Fi现在随附的数字门锁。一旦连接，这些设备需要通过发现漏洞进行定期更新来保护。

但是，就像许多消费类电子产品一样，新设备到来的短短几年后，新设备最终被送入了报废纸箱。

但是，旧设备(如连接的数字锁)仍然可以连接，并且很容易在制造商转移后继续遭受网络威胁。

这种被遗忘的物联网的风险已得到充分证明。显然，在以前所未有的速度购买和连接新的智能设备时，企业和消费者必须意识到网络安全。

另一个危险是这些小工具将继续收集的数据，这些数据最终将提供给未来的人工智能(AI)系统，以据称改善我们的生活。

换句话说，旧数据一直流入新的AI分析工具中，该工具还不够智能，无法知道这种过时的资源正在对其进行不良或不准确的分析。

例如，想象一下一个故障或不准确的温度传感器，该传感器不断向智能家居或楼宇控制系统报告错误的温度，然后智能控制系统不必要地打开空调。高电费是一个显而易见的问题。另一个不必要的环境影响。

例如，在更复杂的连接系统中，在智能建筑中，影响可能更大。例如，电梯维护系统依靠电梯系统中的传感器来提醒操作员何时主动维修电梯。

如果这些传感器已经过时，或更糟的是，随着电梯的升级，多年来遗忘了怎么办?他们是否一直在报告未反映实际情况的旧数据?电梯故障可能在卡上。更糟糕的是，乘客的安全可能是一个问题。

当然，您应该始终“清理”数据以确保输入正确的数字。例如，您应该调和冲突的记录，但是随着越来越多的数据流进来，这项任务每天都变得越来越复杂。来自更多连接的设备。

不断增长的IoT设备网络变得越来越难以追踪，就像组织如何努力监视所有一直在旋转的云资源一样。

未来的AI是否能够丢弃已经过时并可能影响最终分析的信息?它能够学习如何辨别这种情况吗?