Matt Asay著 陳琳華譯

技術(shù)人才的缺乏正在持續(xù)阻礙人工智能革命。這也是為什么聰明的企業(yè)在進(jìn)行技術(shù)部署的同時(shí)投入巨資變革企業(yè)文化的原因。對(duì)此，谷歌為我們帶來(lái)了他們的“谷歌模式”。

我們正在被越來(lái)越復(fù)雜的機(jī)器學(xué)習(xí)技術(shù)所包圍。目前的情況非常糟糕，因?yàn)楹苌儆腥酥廊绾问褂盟鼈儭?/p>

據(jù)市場(chǎng)研究機(jī)構(gòu)451 Research的最新調(diào)查數(shù)據(jù)顯示，技術(shù)人才的缺乏正持續(xù)阻礙人工智能革命。事實(shí)上，人的因素，而非技術(shù)因素，一直是導(dǎo)致每次技術(shù)革命都低于預(yù)期的原因。這就是為什么聰明的企業(yè)在進(jìn)行技術(shù)部署的同時(shí)會(huì)投入巨資變革企業(yè)文化的原因。

沒有哪家企業(yè)會(huì)容忍其他企業(yè)利用機(jī)器學(xué)習(xí)來(lái)侵蝕自己的利益。我們看到人工智能和機(jī)器學(xué)習(xí)在公開的財(cái)務(wù)分析電話會(huì)議中被提及的次數(shù)正不斷增加。所有高管都希望自己的企業(yè)在機(jī)器學(xué)習(xí)方面做得很好。盡管人工智能提及頻率在最近一個(gè)季度有所下降，但長(zhǎng)期趨勢(shì)是向好的，即便是在沒有可獲得豐厚回報(bào)的巨額投資的情況下。

在451 Research就機(jī)器學(xué)習(xí)的最大障礙展開調(diào)查過(guò)程中，36%的受訪者表示他們不知道“開啟”按鈕在哪里，另有32%的受訪者表示他們負(fù)擔(dān)不起或者不知道如何處理數(shù)據(jù)。調(diào)查結(jié)果如圖1所示。

即便如此，仍有49%的受訪者聲稱他們從小規(guī)模部署的機(jī)器學(xué)習(xí)中獲得了“競(jìng)爭(zhēng)優(yōu)勢(shì)”。如圖2所示。

這一結(jié)果與對(duì)大數(shù)據(jù)的早期調(diào)查沒有什么不同，當(dāng)時(shí)企業(yè)聲稱自己一下子就從大數(shù)據(jù)中獲得了巨大的優(yōu)勢(shì)，但在后續(xù)的調(diào)查中他們承認(rèn)自己對(duì)正在做的工作毫無(wú)頭緒。

沒有人想成為機(jī)器學(xué)習(xí)或大數(shù)據(jù)領(lǐng)域的菜鳥，但是涉足這些領(lǐng)域的正確做法并不像供應(yīng)商新聞稿里說(shuō)的那樣容易。451 Research的調(diào)查數(shù)據(jù)顯示，大約有50%的企業(yè)已經(jīng)部署或計(jì)劃在明年部署機(jī)器學(xué)習(xí)算法，但是如果這50%的企業(yè)在機(jī)器學(xué)習(xí)領(lǐng)域的部署中取得長(zhǎng)足的進(jìn)展，那么我會(huì)感到非常震驚。大多數(shù)人仍在摸著石頭過(guò)河，希望它們都會(huì)給予自己豐厚的回報(bào)。

難怪麥肯錫的分析表明，機(jī)器學(xué)習(xí)/人工智能需要再過(guò)十年才能融入日常使用之中。因?yàn)楦淖兪切枰獣r(shí)間的。

對(duì)于想要在大機(jī)器學(xué)習(xí)浪潮中勝出的企業(yè)而言，正確的策略可能不是坐在那里等待世界發(fā)生改變。在云端，Pivotal正在銷售可讓企業(yè)自己構(gòu)建云服務(wù)的軟件，以及能夠改變企業(yè)文化從而擁抱這些云服務(wù)的針對(duì)性服務(wù)。在支持或推動(dòng)類似的技術(shù)轉(zhuǎn)型過(guò)程中，IBM、HPE、SAP和甲骨文等公司也一直在市場(chǎng)中做同樣的事情。這些企業(yè)清楚地認(rèn)識(shí)到銷售技術(shù)只是成功了一半。除非有人使用他們的軟件，否則努力終將會(huì)失敗。

在機(jī)器學(xué)習(xí)方面，谷歌正在全力促進(jìn)企業(yè)文化變革，但是他們的方法與Pivotal不同。

谷歌沒有像Pivotal那樣開設(shè)“道場(chǎng)”，讓機(jī)器學(xué)習(xí)大師訓(xùn)練有志者。相反，谷歌擁有TensorFlow等開源的關(guān)鍵技術(shù)，可以讓那些有志于機(jī)器學(xué)習(xí)的員工在實(shí)踐中學(xué)習(xí)。被稱為“適合所有人的開源機(jī)器學(xué)習(xí)框架”的TensorFlow為整整一代的人工智能實(shí)踐者的成長(zhǎng)鋪平了道路，有志者可以通過(guò)這種“谷歌模式”學(xué)習(xí)機(jī)器學(xué)習(xí)/人工智能。而這又可以吸引許多同樣的實(shí)踐者在谷歌的云產(chǎn)品上運(yùn)行他們的機(jī)器學(xué)習(xí)工作負(fù)載，并在那里進(jìn)行最佳優(yōu)化。

即使這些實(shí)踐者不這樣做，開源TensorFlow也可通過(guò)以零成本方式提升對(duì)機(jī)器學(xué)習(xí)技術(shù)的訪問(wèn)來(lái)降低機(jī)器學(xué)習(xí)的成功門檻。

作為InfoWorld的長(zhǎng)期撰稿人和前知識(shí)產(chǎn)權(quán)律師，Matt Asay目前是Adobe開發(fā)者生態(tài)系統(tǒng)主管。文中表達(dá)的觀點(diǎn)僅為他自己的觀點(diǎn)，而非他所在公司的觀點(diǎn)。

原文網(wǎng)址

https：//www.infoworld.com/article/3310596/machine-learning/machine-learning-how-to-go-from-theory-to-reality.html