【51CTO.com快譯】雖然大家一致認同機器學(xué)習(xí)對于所在公司和行業(yè)的重要性，但很少有公司擁有相應(yīng)的專長，來應(yīng)用這項技術(shù)去做他們希望的事情。本文預(yù)測機器學(xué)習(xí)和人工智能領(lǐng)域在今后幾年會出現(xiàn)的動向。

1、每個應(yīng)用程序都會是智能應(yīng)用程序。

如果你的企業(yè)還沒有使用機器學(xué)習(xí)來檢測異常行為、推薦產(chǎn)品或預(yù)測客戶流失，那很快你將會開始這么做。因為新的數(shù)據(jù)迅速生成、可獲取海量計算能力，加上新的機器學(xué)習(xí)平臺易于使用(無論平臺來自亞馬遜、谷歌和微軟等各大科技公司，還是來自Dato等初創(chuàng)公司)，我們預(yù)計越來越多的應(yīng)用程序會生成實時預(yù)測，并不斷日臻完善。我們在過去半年遇到的100家處于早期階段的初創(chuàng)公司當(dāng)中，90%以上的公司已經(jīng)規(guī)劃使用機器學(xué)習(xí)，為客戶提供更出色的體驗。

2、智能應(yīng)用程序必然是建立在微智能和中間件服務(wù)方面的創(chuàng)新這一基礎(chǔ)上。

如今的公司分為兩大類(籠統(tǒng)意義上)：開發(fā)某種形式的機器學(xué)習(xí)或人工智能技術(shù)的公司，以及在應(yīng)用程序和服務(wù)中使用機器學(xué)習(xí)或人工智能技術(shù)的公司。大量創(chuàng)新出現(xiàn)在構(gòu)建模塊服務(wù)((又叫中間件服務(wù))方面，這類服務(wù)包括數(shù)據(jù)準備服務(wù)和學(xué)習(xí)服務(wù)或模型即服務(wù)提供商。

[[177970]]

由于微服務(wù)的出現(xiàn)，加上能夠通過REST API與微服務(wù)進行無縫聯(lián)系，一個日益盛行的趨勢是，學(xué)習(xí)服務(wù)和機器學(xué)習(xí)算法被使用和重復(fù)使用，而不是非得一再從頭開始重寫。

比如，Algorithmia運營著一個算法市場，任何智能應(yīng)用程序都可以在需要時使用這些算法。將這些算法和模型與一部分特定的數(shù)據(jù)(某個垂直領(lǐng)域里特定的使用場合)結(jié)合起來，就是我們所說的微智能(micro-intelligence)，它可以無縫地整合到應(yīng)用程序中。

3、在機器學(xué)習(xí)和人工智能世界，信任和透明絕對至關(guān)重要。

去年，機器學(xué)習(xí)和人工智能方面的幾個實驗備受關(guān)注。比如包括微軟的Tay、谷歌的DeepMind AlphaGo、Facebook的M，還有數(shù)量不斷增加的各種聊天機器人。自然用戶接口(語音、聊天和視覺)的興起為我們?nèi)祟惻c虛擬助手(蘋果Siri、亞馬遜Alexa、微軟Cortana和Viv)進行交互提供了非常有趣的選擇和機會。

說到我們與人工智能如何交互，也有幾個讓人比較不安的例子。比如，佐治亞理工學(xué)院的一次在線課程快結(jié)束時，學(xué)生才驚訝地發(fā)現(xiàn)給自己講了整個學(xué)期課的其中一名教學(xué)助理(名叫Jill Watson，以IBM Watson技術(shù)命名)居然是聊天機器人。

盡管這展示了技術(shù)和創(chuàng)新的力量，但同時讓人們想到了在機器人、機器學(xué)習(xí)和人工智能盛行的世界，互動規(guī)則在信任和透明方面的諸多問題。

理解“什么”背后的“原因”常常是使用人工智能的另一個關(guān)鍵部分。如果醫(yī)生或病人被告知有75%的可能性患上癌癥，然后應(yīng)該使用某種藥物來治療，他們肯定會不高興。他們需要明白這個預(yù)測或治療方案是從哪些信息得來的。

我們絕對認為，展望未來，我們在機器學(xué)習(xí)方面應(yīng)該完全透明，并徹底地全面考慮未來將成為我們生活和社會中不可或缺的一部分的技術(shù)進步帶來的倫理問題。

4、我們需要人類參與其中

關(guān)于我們是否應(yīng)該擔(dān)憂基于人工智能的機器接管世界已討論過很多。盡管人工智能和機器學(xué)習(xí)方面的進步會在必要的場合下有助于自動化，但是這點也沒錯：我們絕對需要人類參與其中，才能打造合適的端到端的客戶體驗。

Redfin曾經(jīng)做了個實驗，向用戶發(fā)送機器學(xué)習(xí)生成的推薦。這些機器生成的推薦帶來的用戶參與率比用戶自己的搜索和警報過濾器來得高一點。然而，當(dāng)Redfin讓客戶代表在向客戶發(fā)送推薦之前評價這些推薦時，才有了真正的改進。客戶評價了這些推薦之后，Redfin就能使用這些客戶的修正意見作為額外的訓(xùn)練數(shù)據(jù)，之后這些推薦的點擊率得到了顯著提升。

Splunk再次強調(diào)了這一點，描述了IT專業(yè)人員在部署和使用Splunk來幫助自己更出色、更高效地工作方面如何扮演重要角色。要是沒有那些人參與其中，客戶無法從Splunk獲得最大的價值。

另一家公司Spare5也是很好的例子，表明了為何有時需要人類通過修正和分類進入模型的數(shù)據(jù)，以此訓(xùn)練機器學(xué)習(xí)模型。機器學(xué)習(xí)方面的另一句常見格言是垃圾進，垃圾出。數(shù)據(jù)的質(zhì)量和完整性是建立高質(zhì)量模型的關(guān)鍵。

5、機器學(xué)習(xí)是智能應(yīng)用程序一個不可或缺的部分，但你也許一開始不需要機器學(xué)習(xí)。

機器學(xué)習(xí)是構(gòu)建智能應(yīng)用程序一個不可或缺的關(guān)鍵部分，但構(gòu)建智能應(yīng)用程序最重要的目標卻是，構(gòu)建與客戶產(chǎn)生共鳴的應(yīng)用程序或服務(wù)，為客戶提供使用你服務(wù)的一種簡單方法，并且不斷日臻完善。

想有效地使用機器學(xué)習(xí)和人工智能，你常常需要擁有龐大數(shù)據(jù)集。這方面已有成功經(jīng)驗的人給出的建議是，從你想要提供的應(yīng)用程序和體驗入手，在此過程中，考慮機器學(xué)習(xí)如何改進你的應(yīng)用程序，需要收集什么樣的數(shù)據(jù)集，為客戶打造最佳體驗。

我們在讓每個應(yīng)用程序都成為智能應(yīng)用程序這條道路上已走了很遠，但是我們?nèi)蕴幱谠缙陔A段。正如艾倫人工智能研究所的首席執(zhí)行官奧倫·埃齊奧尼(Oren Etzioni)在一次閑聊時所說，雖然我們在人工智能和機器學(xué)習(xí)領(lǐng)域取得了巨大的進展，但是今天就宣布在機器學(xué)習(xí)領(lǐng)域取得成功就好比“爬上了樹梢，宣布我們要登月球。”

原文標題：Key trends in machine learning and AI，作者：S. Somasegar和Daniel Li

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】