毫無疑問，當(dāng)每個(gè)行業(yè)都在與規(guī)模進(jìn)行一場失敗的戰(zhàn)斗時(shí)，這確實(shí)是一個(gè)小時(shí)的需要——來自數(shù)百萬(有時(shí)是數(shù)十億)傳感器、工具和設(shè)備的數(shù)據(jù)流的絕對規(guī)模。

　　雖然谷歌和Facebook等巨頭有足夠的預(yù)算來投資人工智能、機(jī)器學(xué)習(xí)并利用其優(yōu)勢，但普通公司如何從人工智能中分得一杯羹?

　　目前，所有數(shù)據(jù)都只是在積累，幾乎沒有做任何事情來轉(zhuǎn)化為可用的情報(bào)。因此，數(shù)據(jù)和人是孤立的——不僅如此，迄今為止，任何數(shù)據(jù)分析的嘗試通常都是從極其短視的角度出發(fā)的。也就是說，它是用一個(gè)工具或一個(gè)團(tuán)隊(duì)完成的，結(jié)果是一個(gè)人收到了一個(gè)更大范圍的非常本地化的視角。例如，結(jié)果儀表板不包含洞察力來源的痕跡，并且在流程的一個(gè)階段生成的數(shù)據(jù)表很可能無法用于更下游的任何流程。

　　每個(gè)人都在談?wù)撊斯ぶ悄芎蜋C(jī)器學(xué)習(xí)的大眾化，談?wù)撓虼蟊婇_放。

　　不幸的事實(shí)是，正是同樣的挑戰(zhàn)導(dǎo)致了對人工智能和機(jī)器學(xué)習(xí)的需求，阻礙了其有效采用。

　　讓我們來看看這些挑戰(zhàn)。

　　需要減少周期時(shí)間

　　雖然大多數(shù)行業(yè)考慮投資機(jī)器學(xué)習(xí)以減少其產(chǎn)品/服務(wù)的周期時(shí)間，但實(shí)施機(jī)器學(xué)習(xí)本身的周期時(shí)間相當(dāng)長。例如，收集和清理數(shù)據(jù)的過程漫長而乏味——數(shù)據(jù)科學(xué)家將大部分時(shí)間花在這項(xiàng)任務(wù)上。

　　技能鴻溝

　　技能短缺是幾乎所有行業(yè)的普遍痛點(diǎn)。這一挑戰(zhàn)可能是供應(yīng)不足或可及性不足之一。無論如何，使用“智能”機(jī)器有助于解決問題。然而，采用這些智能機(jī)器需要另一群聰明人——數(shù)據(jù)科學(xué)家?，F(xiàn)在，這為技能和短缺開辟了一個(gè)全新的領(lǐng)域。一方面，這些人通常技術(shù)嫻熟(讀起來非常昂貴)。另一方面，它們的數(shù)量少得令人痛苦(閱讀保留成本要高得多)。

　　由于組織意識(shí)到在市場上保持競爭力在很大程度上取決于機(jī)器學(xué)習(xí)和人工智能，因此對在該領(lǐng)域受過培訓(xùn)的人員的需求巨大——遠(yuǎn)遠(yuǎn)超過供應(yīng)。

　　這僅僅是因?yàn)槿斯ぶ悄?、?shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)只有掌握了所需數(shù)量的處理技術(shù)的科學(xué)家才能利用。這些科學(xué)家識(shí)別正確的數(shù)據(jù)，選擇正確的算法，并為成功實(shí)施創(chuàng)造正確的條件。他們每天都要與業(yè)務(wù)利益相關(guān)者進(jìn)行頭腦風(fēng)暴，以了解他們的需求、數(shù)據(jù)準(zhǔn)備(收集、清理數(shù)據(jù)并將其轉(zhuǎn)換為有意義的數(shù)據(jù))、數(shù)據(jù)建模(創(chuàng)建、測試和優(yōu)化每個(gè)模型)和迭代(直到結(jié)果)滿意)。需要可擴(kuò)展的學(xué)習(xí)。

　　企業(yè)采用機(jī)器學(xué)習(xí)的最大原因之一是他們需要處理從傳感器和設(shè)備涌入的大量數(shù)據(jù)。對此的下意識(shí)反應(yīng)是自動(dòng)化處理這些數(shù)據(jù)。然而，這種數(shù)據(jù)處理通常是由人類指導(dǎo)或訓(xùn)練的——這就是我們所說的監(jiān)督學(xué)習(xí)。

　　不幸的是，這種類型的機(jī)器學(xué)習(xí)無法解決當(dāng)今大多數(shù)公司面臨的一系列問題——人類難以預(yù)測的問題。事實(shí)上，由于缺乏可擴(kuò)展或無監(jiān)督的機(jī)器學(xué)習(xí)，困擾所有行業(yè)的20:80資產(chǎn)失敗規(guī)則*仍未得到解決。在這種類型的機(jī)器學(xué)習(xí)中，機(jī)器本身進(jìn)行學(xué)習(xí)，否則數(shù)據(jù)科學(xué)家會(huì)進(jìn)行訓(xùn)練。這種學(xué)習(xí)的整個(gè)前提是機(jī)器能夠檢測人眼不可見的模式，因此可以檢測人類無法使用手動(dòng)方法預(yù)測的問題。

　　總結(jié)

　　人工智能不僅與算法有關(guān)，還與算法產(chǎn)生的價(jià)值有關(guān)。因此需要是讓所有相關(guān)用戶能夠?yàn)g覽晦澀的信息環(huán)境，以獲得所需的智能，這些智能可用于在他們參與的每個(gè)步驟中推動(dòng)業(yè)務(wù)目標(biāo)。