在最廣泛的定義中，傳感器是一種設備，其目的是檢測環(huán)境中的變化，然后根據這些變化生成信號或數(shù)據。所有生物體都含有生物傳感器。其中大多數(shù)是對光，運動，溫度，磁場，重力，濕度，濕度，振動，壓力，電場或聲音敏感的特殊細胞，僅舉幾例。

多年來，已經開發(fā)了數(shù)以千計的機械傳感器來檢測其環(huán)境中的變化。僅用于測量壓力的傳感器就包括以下類型：

氣壓計

壓力計

升壓計

波登管

光纖傳感器

熱燈電離計

電離規(guī)

McLeod測量儀

U型振蕩管

永久性的井下儀表

壓電陶瓷

電阻規(guī)

壓力計

觸覺傳感器

時間壓力表

除了壓力之外，人們還開發(fā)了用于測量聲音，振動，化學成分，電流，電勢，磁力，無線電波，流量，流體速度，電離輻射，亞原子粒子，導航儀器，位置，角度，位移，距離，速度，加速度，光學，光，成像，光子，力，密度，水平，熱，熱，溫度，接近度和存在等等。機械傳感器的多樣性和靈敏度目前遠遠超出生物傳感器的范圍。

物聯(lián)網（IoT）的重要意義在于，它將傳感器與軟件和網絡連接相結合，使物體能夠收集和交換數(shù)據。物聯(lián)網將產生的數(shù)據量將是巨大的。一些專家估計，到2020年，物聯(lián)網將包括將近500億個物體。即使現(xiàn)在，CERN的大型強子對撞機（LHC）中的傳感器每天也會產生約1 PB字節(jié)的數(shù)據 - 相當于大約21萬張DVD。

人工智能（AI）不是物聯(lián)網最初概念的一部分，但最近人工智能（AI）和物聯(lián)網（IoT）的整合已經展開。傳感器檢測環(huán)境變化的能力，識別內部故障和偏差，并確定適當?shù)木徑獯胧F(xiàn)在構成了一個主要的物聯(lián)網研究趨勢。特別是機器學習和深度學習成為極具前景的技術，因為使用非結構化學習將傳感器數(shù)據置于上下文中成為可能。如果沒有上下文感知自動化，物聯(lián)網產品在真實環(huán)境中部署的價值可能會受到限制。

同樣的道理，大多數(shù)人工智能研究主要集中在計算機視覺，機器學習和自然語言處理（NLP）上，而不是生物傳感器為了在他們的世界中生存而產生的無數(shù)種感覺。物聯(lián)網的普遍采用可能會刺激這方面更多的研究。

在一些針對企業(yè)應用的人工智能報告中，已經預測制造業(yè)人工智能軟件的開支將從2015年的1350萬美元增長到2024年的10億美元以上。這種增長的很大一部分可能來自培訓和校準物聯(lián)網系統(tǒng)中的傳感器。