機器學(xué)習(xí)是系統(tǒng)改變自己編程的能力

機器學(xué)習(xí)一直是計算史上最大的進步之一，現(xiàn)在它被認為能夠在大數(shù)據(jù)和分析領(lǐng)域發(fā)揮重要作用。從企業(yè)的角度來看，大數(shù)據(jù)分析是一項巨大的挑戰(zhàn)。例如，諸如理解大量不同數(shù)據(jù)格式，分析數(shù)據(jù)準(zhǔn)備和過濾冗余數(shù)據(jù)等活動可能會消耗大量資源。招聘數(shù)據(jù)科學(xué)家和專家是一個昂貴的主張，而不是每個公司的手段。專家認為，機器學(xué)習(xí)能夠自動執(zhí)行與分析相關(guān)的許多任務(wù) - 包括常規(guī)和復(fù)雜的任務(wù)。自動化機器學(xué)習(xí)可以釋放大量可用于更復(fù)雜和創(chuàng)新工作的資源。似乎機器學(xué)習(xí)一直朝著這個方向發(fā)展。

信息技術(shù)背景下的自動化

在IT環(huán)境中，自動化是不同系統(tǒng)和軟件的鏈接，因此他們能夠在沒有任何人為干預(yù)的情況下完成特定的工作。在IT行業(yè)中，自動化系統(tǒng)可以執(zhí)行簡單和復(fù)雜的工作。簡單作業(yè)的一個示例可能是將表單與PDF集成并將文檔發(fā)送給正確的收件人，而配置非現(xiàn)場備份可能是復(fù)雜作業(yè)的一個示例。

為了完成其工作，需要對自動化系統(tǒng)進行編程或給出明確的指示。每次需要自動化系統(tǒng)來修改其作業(yè)范圍時，程序或指令集需要由人進行更新。雖然自動化系統(tǒng)在其工作中是有效的，但是由于各種原因可能發(fā)生錯誤。發(fā)生錯誤時，需要確定并糾正根本原因。顯然，要完成自己的工作，自動化系統(tǒng)完全依賴于人類。工作性質(zhì)越復(fù)雜，錯誤和問題的概率就越高。

通常，將例行和可重復(fù)的作業(yè)分配給自動化系統(tǒng)。IT行業(yè)自動化的一個常見示例是自動化基于Web的用戶界面的測試。測試用例被輸入自動化腳本，并相應(yīng)地測試用戶界面。(有關(guān)機器學(xué)習(xí)的實際應(yīng)用的更多信息，請參閱下一代欺詐檢測中的機器學(xué)習(xí)和Hadoop。)

支持自動化的論點是，它執(zhí)行日常和可重復(fù)的任務(wù)，并釋放員工以執(zhí)行更復(fù)雜和創(chuàng)造性的任務(wù)。然而，也有人認為自動化已經(jīng)取代了以前由人類執(zhí)行的大量工作或角色?，F(xiàn)在，隨著機器學(xué)習(xí)進入各個行業(yè)，自動化可以完全增加一個新的維度。

自動化是機器學(xué)習(xí)的未來嗎?

機器學(xué)習(xí)的本質(zhì)是系統(tǒng)在沒有人類干預(yù)的情況下不斷學(xué)習(xí)數(shù)據(jù)和進化的能力。機器學(xué)習(xí)能夠像人腦一樣運作。例如，推薦引擎在電子商務(wù)網(wǎng)站可以評估用戶的獨特偏好和口味，并提供最適合用戶選擇的產(chǎn)品和服務(wù)的建議。有了這種能力，機器學(xué)習(xí)被認為是自動執(zhí)行與大數(shù)據(jù)和分析相關(guān)的復(fù)雜任務(wù)的理想選擇。它已經(jīng)克服了傳統(tǒng)自動化系統(tǒng)的主要局限性，如果沒有經(jīng)常的人為干預(yù)，它們就無法運行。有多個案例研究表明機器學(xué)習(xí)能夠完成復(fù)雜的數(shù)據(jù)分析任務(wù)，本文稍后將對此進行討論。

正如已經(jīng)指出的那樣，大數(shù)據(jù)分析對于公司來說是一個具有挑戰(zhàn)性的主張，它可以部分地委托給機器學(xué)習(xí)系統(tǒng)。從業(yè)務(wù)的角度來看，這可以帶來很多好處，例如釋放數(shù)據(jù)科學(xué)資源以獲得更多創(chuàng)造性和關(guān)鍵任務(wù)，更高的工作量，更少的時間來完成任務(wù)和成本效益。

2015年，麻省理工學(xué)院的研究人員開始研究一種數(shù)據(jù)科學(xué)工具，該工具能夠使用稱為深度特征合成算法的技術(shù)從大量原始數(shù)據(jù)中創(chuàng)建預(yù)測數(shù)據(jù)模型?？茖W(xué)家聲稱，該算法可以結(jié)合機器學(xué)習(xí)的最佳特征。根據(jù)科學(xué)家的說法，他們已經(jīng)在三種不同的數(shù)據(jù)集上測試了算法，并且將測試范圍擴展到更多的數(shù)據(jù)集。研究人員James Max Kanter和Kalyan Veeramachaneni在一篇國際數(shù)據(jù)科學(xué)與分析會議上發(fā)表的一篇論文中說：“利用自動調(diào)整過程，我們在沒有人為參與的情況下優(yōu)化整個途徑，使其能夠概括，并描述了他們是如何做到的。到不同的數(shù)據(jù)集。“

讓我們來看看任務(wù)的復(fù)雜程度：該算法具有一種稱為自動調(diào)整功能的能力，借助于該功能，它可以從原始數(shù)據(jù)(如年齡或性別)中獲取或提取洞察或值，之后，可以創(chuàng)建預(yù)測數(shù)據(jù)模型。該算法使用復(fù)雜的數(shù)學(xué)函數(shù)和稱為高斯Copula的概率論。因此，很容易理解算法能夠處理的復(fù)雜程度。該技術(shù)還贏得了比賽的獎項。

機器學(xué)習(xí)可能會取代工作

世界各地正在討論機器學(xué)習(xí)可能取代許多工作，因為它正在以人類大腦的效率執(zhí)行任務(wù)。事實上，人們擔(dān)心機器學(xué)習(xí)將取代數(shù)據(jù)科學(xué)家 - 似乎有這種擔(dān)憂的基礎(chǔ)。

對于那些沒有數(shù)據(jù)分析技能但仍需要在日常生活中進行不同程度分析的普通用戶來說，擁有能夠分析大量數(shù)據(jù)并提供分析的計算機是不可行的。但是，自然語言處理(NLP)技術(shù)可以通過教授計算機來接受和處理人類的自然語言來克服這種限制。這樣，普通用戶就不需要復(fù)雜的分析功能或技能。

IBM認為，通過其產(chǎn)品Watson自然語言分析平臺，可以最大限度地減少或消除對數(shù)據(jù)科學(xué)家的需求。根據(jù)Watson Analytics and Business Intelligence副總裁Marc Atschuller的說法，“使用像Watson這樣的認知系統(tǒng)，你只需提出問題 - 或者如果你沒有問題，你只需上傳你的數(shù)據(jù)，Watson可以查看并推斷你可能想知道什么。“

自動化是機器學(xué)習(xí)的下一個合乎邏輯的步驟，我們已經(jīng)在日常生活中體驗到這些影響 - 在電子商務(wù)網(wǎng)站，F(xiàn)acebook好友建議，LinkedIn網(wǎng)絡(luò)推薦和Airbnb搜索排名?？紤]到給出的例子，毫無疑問可以投射到自動化機器學(xué)習(xí)系統(tǒng)產(chǎn)生的輸出質(zhì)量。盡管它的所有品質(zhì)和好處，機器學(xué)習(xí)導(dǎo)致巨大失業(yè)的想法可能看起來有點過度反應(yīng)。幾十年來，機器已經(jīng)在我們生活的許多方面取代了人類，然而，人類已經(jīng)發(fā)展并適應(yīng)在行業(yè)中保持相關(guān)性。根據(jù)不同的觀點，機器學(xué)習(xí)及其所有破壞性只是人們適應(yīng)的另一種浪潮。