機(jī)器學(xué)習(xí)是系統(tǒng)改變自己編程的能力

機(jī)器學(xué)習(xí)一直是計(jì)算史上最大的進(jìn)步之一，現(xiàn)在它被認(rèn)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(xiàng)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(dòng)可能會(huì)消耗大量資源。招聘數(shù)據(jù)科學(xué)家和專家是一個(gè)昂貴的主張，而不是每個(gè)公司的手段。專家認(rèn)為，機(jī)器學(xué)習(xí)能夠自動(dòng)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(dòng)化機(jī)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(jī)器學(xué)習(xí)一直朝著這個(gè)方向發(fā)展。

信息技術(shù)背景下的自動(dòng)化

在IT環(huán)境中，自動(dòng)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(dòng)化系統(tǒng)可以執(zhí)行簡(jiǎn)單和復(fù)雜的工作。簡(jiǎn)單作業(yè)的一個(gè)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(chǎng)備份可能是復(fù)雜作業(yè)的一個(gè)示例。

為了完成其工作，需要對(duì)自動(dòng)化系統(tǒng)進(jìn)行編程或給出明確的指示。每次需要自動(dòng)化系統(tǒng)來修改其作業(yè)范圍時(shí)，程序或指令集需要由人進(jìn)行更新。雖然自動(dòng)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(cuò)誤。發(fā)生錯(cuò)誤時(shí)，需要確定并糾正根本原因。顯然，要完成自己的工作，自動(dòng)化系統(tǒng)完全依賴于人類。工作性質(zhì)越復(fù)雜，錯(cuò)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(dòng)化系統(tǒng)。IT行業(yè)自動(dòng)化的一個(gè)常見示例是自動(dòng)化基于Web的用戶界面的測(cè)試。測(cè)試用例被輸入自動(dòng)化腳本，并相應(yīng)地測(cè)試用戶界面。(有關(guān)機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用的更多信息，請(qǐng)參閱下一代欺詐檢測(cè)中的機(jī)器學(xué)習(xí)和Hadoop。)

支持自動(dòng)化的論點(diǎn)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(rèn)為自動(dòng)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(jī)器學(xué)習(xí)進(jìn)入各個(gè)行業(yè)，自動(dòng)化可以完全增加一個(gè)新的維度。

自動(dòng)化是機(jī)器學(xué)習(xí)的未來嗎?

機(jī)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(jìn)化的能力。機(jī)器學(xué)習(xí)能夠像人腦一樣運(yùn)作。例如，推薦引擎在電子商務(wù)網(wǎng)站可以評(píng)估用戶的獨(dú)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(jī)器學(xué)習(xí)被認(rèn)為是自動(dòng)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(dòng)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(yùn)行。有多個(gè)案例研究表明機(jī)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(duì)此進(jìn)行討論。

正如已經(jīng)指出的那樣，大數(shù)據(jù)分析對(duì)于公司來說是一個(gè)具有挑戰(zhàn)性的主張，它可以部分地委托給機(jī)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(shí)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(cè)數(shù)據(jù)模型?？茖W(xué)家聲稱，該算法可以結(jié)合機(jī)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(cè)試了算法，并且將測(cè)試范圍擴(kuò)展到更多的數(shù)據(jù)集。研究人員James Max Kanter和Kalyan Veeramachaneni在一篇國(guó)際數(shù)據(jù)科學(xué)與分析會(huì)議上發(fā)表的一篇論文中說：“利用自動(dòng)調(diào)整過程，我們?cè)跊]有人為參與的情況下優(yōu)化整個(gè)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(dòng)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(cè)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(jiǎng)項(xiàng)。

機(jī)器學(xué)習(xí)可能會(huì)取代工作

世界各地正在討論機(jī)器學(xué)習(xí)可能取代許多工作，因?yàn)樗谝匀祟惔竽X的效率執(zhí)行任務(wù)。事實(shí)上，人們擔(dān)心機(jī)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(duì)于那些沒有數(shù)據(jù)分析技能但仍需要在日常生活中進(jìn)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(jì)算機(jī)是不可行的。但是，自然語言處理(NLP)技術(shù)可以通過教授計(jì)算機(jī)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(rèn)為，通過其產(chǎn)品Watson自然語言分析平臺(tái)，可以最大限度地減少或消除對(duì)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(rèn)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(dòng)化是機(jī)器學(xué)習(xí)的下一個(gè)合乎邏輯的步驟，我們已經(jīng)在日常生活中體驗(yàn)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(dòng)化機(jī)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(jī)器學(xué)習(xí)導(dǎo)致巨大失業(yè)的想法可能看起來有點(diǎn)過度反應(yīng)。幾十年來，機(jī)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(diǎn)，機(jī)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。