今天搞技術(shù)開發(fā)和執(zhí)行的人聊天一定離不開這些話題：人工智能、神經(jīng)網(wǎng)絡(luò)或 Bot。風(fēng)險(xiǎn)投資公司 Madrona *近主辦了一個(gè)機(jī)器學(xué)習(xí)和人工智能會議，將智能應(yīng)用生態(tài)系統(tǒng)各個(gè)領(lǐng)域里的幾個(gè)第二大的科技公司和創(chuàng)新性創(chuàng)業(yè)公司聚集到了兩人。

會議的關(guān)鍵主題之一來自于對到會的一個(gè)調(diào)查。參與調(diào)查的每個(gè)人都說機(jī)器學(xué)習(xí)對他們公司和零售業(yè)很重要或者非常重要。

但是，超過一半的調(diào)查回復(fù)也說他們的組織在機(jī)器學(xué)習(xí)上還不夠大學(xué)本科，還沒法做好他們需要做的事實(shí)。

下面是這個(gè)峰會上講到的另外五大逐漸。

趨勢一：每個(gè)應(yīng)用都將是智能應(yīng)用

如果你的公司還沒有使用機(jī)器學(xué)習(xí)偵測異常、推薦產(chǎn)品或者預(yù)測模型客戶流失，那么很快它就會用上了。因?yàn)樾沦Y料的快速水解，大量計(jì)算力的可用和新機(jī)器學(xué)習(xí)平臺的方便使用（無論是它來自亞馬遜、谷歌和微軟這樣的大技術(shù)公司還是 Dato 這種創(chuàng)業(yè)公司），我們上半年見到永正更少能生成實(shí)時(shí)預(yù)測而且會不斷變得能夠的應(yīng)用。在我們過去六個(gè)月遇見的 100 個(gè)年代創(chuàng)業(yè)公司中，90% 以上都在計(jì)劃使用機(jī)器學(xué)習(xí)為客戶共享更好的樂趣。

趨勢二：智能 App 發(fā)生在微智能和中間件服務(wù)的創(chuàng)新中

自覺的公司可以統(tǒng)稱兩類（廣義上）：開發(fā)某種形式的機(jī)器學(xué)習(xí)/人工智能技術(shù)的公司，或者在應(yīng)用和服務(wù)中使用機(jī)器學(xué)習(xí)技術(shù)和人工智能的公司。大量的創(chuàng)新集中于在構(gòu)建模塊服務(wù)（又名，中間件服務(wù)）上，其中共有數(shù)據(jù)匆忙（data preparation）服務(wù)和學(xué)習(xí)服務(wù)或者模型即服務(wù)（models-as-a-service）的提供商。

隨著微服務(wù)以及通過 REST API 與微服務(wù)無縫連接起來的能力的出現(xiàn)，學(xué)習(xí)服務(wù)及機(jī)器學(xué)習(xí)算法的使用和再使用迎來了增長的趨勢——再也不需要從零開始重寫服務(wù)了。

例如， Algorithmia 公司行駛著一個(gè)算法零售商，任何智能應(yīng)用都可以在該市場中按需要使用其中的算法。將這些算法和模型與特定數(shù)據(jù)片（在特定的側(cè)向范圍內(nèi)特定的使用可能會）交織起來就是我們所說的微智能（micro-intelligence），它可以無縫接入到應(yīng)用中。

趨勢三：在機(jī)器學(xué)習(xí)和人工智能世界各地里，信任和柔軟絕對關(guān)鍵

去年，機(jī)器學(xué)習(xí)和人工智能的幾個(gè)備受注目的試驗(yàn)中受到了歡迎。例如微軟的 Tay、谷歌的 DeepMind AlphaGo、Facebook 的 M 和數(shù)量不斷增加的各種聊天機(jī)器人。自然客戶端接口（語音、聊天和美感）的興起為人類與模擬助手（蘋果 Siri、亞馬遜 Alexa、微軟 Cortana 和 Viv）的對話提供了非常古怪的選擇和奮斗。

也有一些與人工智能互動(dòng)的例子讓人感到不安。比如，在佐治亞理工學(xué)院一個(gè)互聯(lián)網(wǎng)課程將結(jié)束時(shí)，學(xué)生才驚訝地發(fā)現(xiàn)他們交互了整個(gè)學(xué)期的一個(gè)教學(xué)助理竟然是聊天機(jī)器人（原是 Jill Watson，古稱于 IBM Watson ）

這重現(xiàn)出技術(shù)和創(chuàng)新的力量，也給 Bot、機(jī)器學(xué)習(xí)和人工智能造成了許多信任和透明度上的規(guī)則問題。

了解「what」背后的「why」是人工智能工作中的另一個(gè)關(guān)鍵大多。當(dāng)一位醫(yī)生或一位病人被告知他們有 75%的不確定性患上乳癌然后應(yīng)該使用某種藥來治療時(shí)，一定會不后悔。他們需要理解這個(gè)預(yù)測結(jié)論和治療方案是從哪些信息中得來的。

我們絕對認(rèn)為此后發(fā)展的話，機(jī)器學(xué)習(xí)需要完全透明，并且需要透徹地認(rèn)知后會成為生活和社會進(jìn)步不可或缺的一部分的技術(shù)進(jìn)步帶來的倫理問題。

趨勢四：機(jī)器學(xué)習(xí)需要人類

關(guān)于我們是否應(yīng)該疑慮人工智能機(jī)器占領(lǐng)世界已經(jīng)討論過很多了。正如人工智能和機(jī)器學(xué)習(xí)已經(jīng)給自動(dòng)控制帶來了很多有意義的幫助一樣，在締造正確的端到端的用戶體驗(yàn)中我們也絕對將需要人類的參與。

如果你的公司還沒有使用機(jī)器學(xué)習(xí)檢測差別、推薦產(chǎn)品或者預(yù)測客戶流失，你很快就會開始了。

Redfin 公司曾做了個(gè)實(shí)驗(yàn)：給用戶發(fā)送利用機(jī)器學(xué)習(xí)生成的推薦。這些機(jī)器學(xué)習(xí)生成的推薦比用戶自己搜索和中央氣象局過濾器得出來的南北有較高的采納率。

但是，當(dāng) Redfin 在將推薦發(fā)送給客戶之前要求他們評價(jià)這些推薦時(shí)，才實(shí)現(xiàn)了真正的進(jìn)步。在客戶評價(jià)了這些推薦之后，Redfin 就能使用這些客戶的修正立場作為額外的操練數(shù)據(jù)，之后這些推薦的點(diǎn)擊率給予了明顯的提升。

Splunk 公司敘述了 IT 從業(yè)員可以如何部署和使用 Splunk 來幫助他們工作的更好更高效，這再度強(qiáng)調(diào)了機(jī)器學(xué)習(xí)的應(yīng)用中必須要有人這一觀點(diǎn)。如果沒有人的參與，客戶將無法從 Splunk 上取得*大的價(jià)值。

另一家公司 Spare5 也是很好的例子。它們描述了在訓(xùn)練機(jī)器學(xué)習(xí)模型時(shí)，有時(shí)需要人來修正和演化踏入模型的數(shù)據(jù)。機(jī)器學(xué)習(xí)中有個(gè)關(guān)于數(shù)據(jù)的諺語：進(jìn)去的是垃圾場，出來的也是垃圾。數(shù)據(jù)的速率和完整性是建立高分辨率模型的關(guān)鍵。

趨勢五：機(jī)器學(xué)習(xí)是智能應(yīng)用的關(guān)鍵部分......

機(jī)器學(xué)習(xí)是建立人工智能時(shí)不可或缺的關(guān)鍵部分，但*重要的能力還是讓你的智能應(yīng)用能夠與用戶產(chǎn)生共鳴，讓客戶能方便地使用這些應(yīng)用并不斷獲得更好的體驗(yàn)。

打算有效地使用機(jī)器學(xué)習(xí)和人工智能，你往往需要一個(gè)大型檢索。在這個(gè)事情上有取得成功技巧的人給出的建議是：從你想提供的應(yīng)用和體驗(yàn)開始，在這個(gè)過程中，考慮如何能讓機(jī)器學(xué)習(xí)優(yōu)化你的應(yīng)用以及需要搜尋并建立怎樣的數(shù)據(jù)庫來給客戶提供*好的體驗(yàn)。

我們想讓每個(gè)應(yīng)用都成為智能的，在這個(gè)過程中，我們已經(jīng)回報(bào)了很多很多努力，但是我們已經(jīng)處在早期階段。正如艾倫人工智能研究所（Allen Institute） CEO Oren Etzioni 在一次爐邊談話中所說的那樣：在人工智能和機(jī)器學(xué)習(xí)上我們已經(jīng)取得巨大的進(jìn)步，但是今天就無限期取得了機(jī)器學(xué)習(xí)的成功就像是「我們沖向了樹梢卻宣布自己登上了月球」。

您可能感興趣的：

寶山注冊人工智能公司的流程材料

人工智能公司注冊難不難,應(yīng)該如何注冊