導盲犬經(jīng)嚴格訓練來服從主人命令，但其訓練過程包括稱為“聰明的不服從”（Intelligent disobedience）行為，即為了更好的結(jié)果來違背主人的指示。此行為是導盲犬的成功關(guān)鍵，而也適用于物聯(lián)網(wǎng)（IoT）。

利用AI和機器學習，可在部署到實體機器之前判斷進行更改時會發(fā)生什么情況。

據(jù)IoT Agenda報導，每天走同條路的盲人，很熟悉過馬路的地方，能靠更好的嗅覺和聽覺理解交通和人群，而能做出適當決定。但在角落里可能會有他從未遇過的意外。看到主人看不到的東西的導盲犬則會察覺危險，違背前進的命令。

這種行為在物聯(lián)網(wǎng)領(lǐng)域也可能具有相同優(yōu)勢。智能系統(tǒng)應設計成若出現(xiàn)不利于當前工作最佳利益的情況，就要延后執(zhí)行指示，特別涉及危險的情況。傳感器為物聯(lián)網(wǎng)的神經(jīng)系統(tǒng)，收集連續(xù)數(shù)據(jù)流進行處理。它們將數(shù)據(jù)提供給處理速度比任何人都快的計算機。

透過物聯(lián)網(wǎng)系統(tǒng)獲得的情報，應會比任何操作員掌握的更全面。它可能會比操作員更快看到危險，并認為需要采取必要預防措施。操作員指示做某件事時，系統(tǒng)會知道這樣做太危險。此時即為采取聰明的不服從，警告操作員在當前條件下其指示將有負面后果的最佳時機。

當然，有時盡管系統(tǒng)反對仍須遵循指令。例如，盲人走到轉(zhuǎn)角，導盲犬發(fā)現(xiàn)前面有兩個不熟的男人，而阻止主人繼續(xù)前進。但對方一開口，盲人就認出他舅舅的聲音，并向?qū)と疽鈱Ψ绞怯H友。如此一來，聰明的不服從就會被推翻。

同樣地，操作員可能會知道物聯(lián)網(wǎng)系統(tǒng)不可能知道的事。因此應建立升級程序，讓工作人員能對系統(tǒng)要求提出質(zhì)疑，并繼續(xù)執(zhí)行原來的指示。

Red Hat開發(fā)人員與Cloudera、Eurotech共同創(chuàng)建一個工業(yè)4.0演示，其中包含一個預測性維護應用程序，并且會提供此程序歷史和實時數(shù)據(jù)來進行分析、建模和機器學習。

新的業(yè)務規(guī)則可基于這些數(shù)據(jù)來建立，并可在邊緣執(zhí)行機器學習模型來解決問題，對不可預知的事件做出反應。像這樣的模型可用來統(tǒng)計分析和預測機器何時可能發(fā)生故障及何時要進行維修。

隨著系統(tǒng)變得更智能化，未來發(fā)展應將其整合到流程中，好在其建議下做出決定。在作決策之前考慮此反饋，可確保更好的決策。方法之一是透過虛擬工廠。Eclipse Kapua就有提供這樣的數(shù)字化模擬（Digital Twin）。

當某個系統(tǒng)不可用時，其數(shù)字分身將顯示最后一個已知狀態(tài)。在此情況下，用戶可查詢操作狀態(tài)并要求進行測量，甚至可將變更發(fā)送到設備。另一個概念是建立某個引擎的虛擬副本，讓用戶測試更改。利用AI和機器學習，在部署到實體機器之前判斷進行更改時會發(fā)生什么情況。

然而，第二種技術(shù)市面上的產(chǎn)品很少。報導認為，為使業(yè)界更廣泛采用此技術(shù)，應建立開放標準以共享信息。要創(chuàng)建所需的復雜模型，應有用軟件仿真這些設備的標準。推動Digital Twin模型的標準化，即為潛在努力方向之一。