人工智能技術(shù)，已成為當(dāng)下最火熱的技術(shù)之一。無論是大數(shù)據(jù)還是云計算還是互聯(lián)網(wǎng)，這些新型的技術(shù)都在用盡全身力氣，助力人工智能的發(fā)展。對于企業(yè)而言，無論該企業(yè)與科技沾不沾邊，只要涉及到數(shù)字化業(yè)務(wù)，也都想蹭一蹭人工智能的光，就更別提技術(shù)型企業(yè)，對人工智能技術(shù)的癡狂了。

目前，人工智能技術(shù)還處在咿呀學(xué)語的嬰兒時期，在市場中發(fā)展相對成熟的人工智能技術(shù)有兩種，語音識別、圖像識別。提到人工智能的語音識別或是圖像識別，就不得不提機(jī)器學(xué)習(xí)。但是機(jī)器學(xué)習(xí)的發(fā)展并不是蹭熱點那么簡單，它的道路上布滿荊棘，很多企業(yè)的機(jī)器學(xué)習(xí)項目發(fā)展緩慢，甚至以失敗告終。

機(jī)器學(xué)習(xí)是人工智能的核心技術(shù)，其應(yīng)用已遍及人工智能的各個領(lǐng)域，而在人工智能不斷發(fā)展的同時，以機(jī)器學(xué)習(xí)為中心，逐漸萌生了強(qiáng)化學(xué)習(xí)，以及以人工神經(jīng)網(wǎng)絡(luò)為概念的深度學(xué)習(xí)。而深度學(xué)習(xí)的運用，也已成為目前人工智能發(fā)展的主流趨勢。但是在今年上半年，無人駕駛汽車事故頻發(fā)，導(dǎo)致人工智能的“職業(yè)生涯”碰到了第一個檻兒，甚至在世界范圍內(nèi)也傳出了，深度學(xué)習(xí)凜冬將至之聲，甚至機(jī)器學(xué)習(xí)也遭受牽連。

陷入誤區(qū)，走火入魔

機(jī)器學(xué)習(xí)聽上去似乎高大上，非得要鉆研很久才能有所建樹，但其實，絕大多數(shù)人都混淆了機(jī)器學(xué)習(xí)研究和機(jī)器學(xué)習(xí)應(yīng)用的概念。當(dāng)人們說“機(jī)器學(xué)習(xí)”時，聽起來好像只是一門學(xué)科。但其實不然，你還得考慮它在研究和應(yīng)用兩個方面的差別。如果企業(yè)無法辨別其中的奧秘，那么很容易修煉“神功”走火入魔。

在機(jī)器學(xué)習(xí)方面，企業(yè)所犯的最大的錯誤就是它本應(yīng)該干什么，而你卻讓它干別的。比如它本是個廚子，你卻讓它砌墻。而真正能蓋房的，你卻讓它下廚房。如果你有個烤鴨店，烤爐是必要的工具，但是你肯定不會從全聚德挖來的大廚去造烤爐，同理為什么你只關(guān)注機(jī)器學(xué)習(xí)中的機(jī)器呢？你是烤鴨店，開始賣烤爐的呢？

在機(jī)器學(xué)習(xí)的研究方面，所有機(jī)器學(xué)習(xí)課程和教科書都是關(guān)于如何造烤爐，還有其他種類的工具，而不是告訴你如何烹飪和創(chuàng)新美食。如果當(dāng)你真的建立起了機(jī)器學(xué)習(xí)算法，而你只關(guān)注人可以使用那些工具的機(jī)器學(xué)習(xí)研究方面，而不是真正的應(yīng)用層面，很多企業(yè)就將誤入歧途最終走火入魔。

從事研究工作需要大量的時間來學(xué)習(xí)，但是如今，市面上有一些相當(dāng)先進(jìn)的設(shè)備，如果不知道這些設(shè)備的工作原理，那么怎樣造好設(shè)備？而在應(yīng)用方面，大多數(shù)企業(yè)則需要更多創(chuàng)新的美食，來解決自身的商業(yè)問題，而不是把重點放到怎樣制造工具或設(shè)備上。但是由于市場對研究工作極其重視，所以導(dǎo)致企業(yè)誤把工具當(dāng)應(yīng)用進(jìn)行生產(chǎn)，所以就出現(xiàn)企業(yè)真正該操心的地方卻沒受到重視。

對于大多數(shù)應(yīng)用程序，企業(yè)不需要了解原理，正如廚師不需要了解烤爐的圖紙一樣。但如果你打算經(jīng)營一個具有產(chǎn)業(yè)規(guī)模的廚房，那你確實需要知道很多事情，從管理原料到在上菜前，則需要檢查你的菜是否真的好吃，而不是你的工具是否造的漂亮。企業(yè)銷售什么，決定雇傭什么樣的團(tuán)隊。

讓正確的人，干正確的事

但不幸的是，很多企業(yè)未能從機(jī)器學(xué)習(xí)中獲得價值，因為它們沒有意識到應(yīng)用方面與研究方面截然不同。領(lǐng)導(dǎo)者雇傭的是那些一輩子都在做廚具爐但卻從來沒有下過廚房的人。如果要找工具和算法的混合型人才，那只能坐等著人才短缺了，畢竟人無完人。只有在正確的時間里，讓正確的人，做正確的事，才能保證項目的良好發(fā)展。

如果你在銷售尖端設(shè)備，請雇傭研究人員。如果你在琢磨新食譜，請找廚師。決策者和產(chǎn)品經(jīng)理設(shè)定目標(biāo)，領(lǐng)域?qū)＜伊私夤?yīng)商和客戶，數(shù)據(jù)工程師和分析師處理數(shù)據(jù)，統(tǒng)計人員檢查配方的質(zhì)量和服務(wù)，項目經(jīng)理保證團(tuán)隊的凝聚和項目的落地。雖然上述人士不必是單獨的個體，但要確保每個角色都包含在團(tuán)隊中。

如果團(tuán)隊已經(jīng)嘗試了所有現(xiàn)有的工具，卻沒法制定出滿足你業(yè)務(wù)目標(biāo)，那么你還得考慮繼續(xù)增加人手。你是直接雇傭?qū)I(yè)人士，還是把工作外包給有經(jīng)驗的算法研究公司，這取決于企業(yè)的經(jīng)營規(guī)模和成熟度。

在智能決策方面，很多業(yè)內(nèi)人士都在構(gòu)建算法，而不是應(yīng)用算法。如果研究機(jī)器學(xué)習(xí)是制造，而應(yīng)用機(jī)器學(xué)習(xí)是使用，那么智能決策工程就是安全地使用其他工具來實現(xiàn)企業(yè)的目標(biāo)。

當(dāng)涉及到應(yīng)用機(jī)器學(xué)習(xí)時，最困難的部分是知道你想做什么，以及你打算如何在提供給客戶之前檢查它。這部分其實并不難，但不能被忽視。至于其他方面，用機(jī)器學(xué)習(xí)解決業(yè)務(wù)問題比大多數(shù)人想象的要容易得多。只需要企業(yè)知道自己做的是工具還是應(yīng)用即可。