如何让机器学习技术从理论走向现实

我们周围充斥着日益复杂的机器学习技术。可惜很少有人知道如何使用这些技术。

最近451 Research 研究机构的调查数据显示，缺乏技术人才继续阻碍着人工智能技术革命。事实上，是人而不是技术一直是每次技术革命推进速度都低于预期的原因。这就是为什么聪明的公司在企业文化变革上的投入与技术引进上的投入一样多。

机器学习技术的炒作和希望

并不是说任何人都有能力清除阻碍来利用机器学习技术从中获利。只要看看人工智能和机器学习技术在公开财报电话会议中被提及的次数不断增加就知道了。所有高管都假装他们的公司在机器学习方面做得很好。是的，人工智能在最近一个季度被提及的次数短暂下降，但长期趋势是上升的--没有相应的投入来使这次廉价的谈话获取丰厚的回报。

也就是说，当451 Research研究机构在提问机器学习技术推行的最大障碍时，36%的受访者表示他们不知道“启动按钮”在哪里，另有32%的人表示他们负担不起或者不知道如何处理数据，如图1所示。

图1：对于“你的组织在使用机器学习技术面临的最主要障碍是什么?”这一问题，有209名受访者对该问题做出回答，内容源自451 Research研究机构的“企业之声：2018年AI与机器学习、技术采用、推动因素和利益相关者”报告。

即便如此，这并没有阻止49%的受访者声称，他们从几乎不存在的机器学习推行工作中获得“竞争优势”，如图2所示。

图2：对于“你的组织从机器学习技术的使用中已经实现或期望实现的最大收益是什么?”这一问题，有207名受访者对该问题做出回答，内容源自451 Research研究机构的“企业之声：2018年AI与机器学习、技术采用、推动因素和利益相关者”报告。

这与对大数据的早期调查没什么不同，当时企业一方面声称从大数据中获得了巨大的收益，但另一方面又承认他们不知道自己在做什么。

没有人想成为机器学习或大数据的菜鸟，但要把它做好并不像供应商在新闻稿中所说的那样容易。451 Research研究机构的调查数据显示，大约有50%的公司已经部署或计划在明年部署机器学习算法，但这50%的公司是否在机器学习技术引进上非常领先，对此我感到震惊。大多数企业仍在摸索前行，希望都能得到回报。

难怪麦肯锡公司的分析表明，机器学习/人工智能技术需要再过十年才能被普遍使用。改变需要时间。

在推行机器学习技术上取得成功：这是一种文化

对于那些想在机器学习技术上大获成功的企业而言，正确的策略可能不是坐等世界发生改变。在云端领域，Pivotal公司出售软件以使企业能够构建云服务，以及提供专业服务来实现文化变革，以接受这些云服务。长期以来，IBM、惠普(HPE)、SAP、甲骨文等公司在引进或推动类似技术转变时，在其市场上也一直做着同样的事情。这些公司清楚地认识到，销售技术只是工作的一半。除非有人能够使用该软件，否则它将以失败告终。

在机器学习方面，促进文化变革方面做得最多的公司是谷歌，但与Pivotal公司采取不同的方式。

谷歌并没有采用“武馆”方式，让机器学习技术高手在此训练一些有意愿学习的人，即Pivotal公司的风格。相反，谷歌公司拥有开源的关键技术，如TensorFlow，该技术可让那些有意愿学习的人通过实践进行学习。TensorFlow技术被称为“面向所有人的开源机器学习框架”，它为一代AI实践者铺平了道路，让他们以“谷歌方式”成长和实践机器学习/人工智能技术。这反过来也诱使许多同样的实践者在谷歌云上运行他们的机器学习工作负载，在云端他们的工作负载经过优化以便以最佳状态运行。

但即使他们不这样做，开源TensorFlow技术也通过以零成本方式改进对强大机器学习技术的使用，正在降低门槛帮助企业取得机器学习技术上的成功。

通过像TensorFlow技术这样的开源库，机器学习技术将从重要且复杂的状态变为重要且可使用的状态，一次允许一名开发人员下载。这是一种天才策略，因为它反映了在技术影响世界之前先改变使用该技术的人的需求。