2017年機(jī)器學(xué)習(xí)發(fā)展十大趨勢(shì)預(yù)測(cè)，悲觀還是現(xiàn)實(shí)？

　　“分析時(shí)代”目前仍處于起步階段，它為我們帶來眾多值得期待且為之興奮的構(gòu)想與承諾。在今天的文章中，BigML公司副總裁Atakan Cetinsoy將披露2017年中他眼中的機(jī)器學(xué)習(xí)技術(shù)及相關(guān)生態(tài)系統(tǒng)發(fā)展趨勢(shì)。

　　每一年結(jié)束時(shí)，技術(shù)專家們總會(huì)著眼于新的十二個(gè)月，思考其熟知的技術(shù)方案將在下一階段迎來怎樣的變化趨勢(shì)。在BigML公司，我們結(jié)合2016年中機(jī)器學(xué)習(xí)技術(shù)的發(fā)展與演變，嘗試解析其在新一年內(nèi)的未來前景。

　　首先需要強(qiáng)調(diào)的是，企業(yè)需要吹散圍繞在機(jī)器學(xué)習(xí)概念周遭的炒作迷霧，探索將其切實(shí)引入自身業(yè)務(wù)體系的有效途徑。更具體地講，企業(yè)需要通過嚴(yán)謹(jǐn)決策立足內(nèi)部環(huán)境選定平臺(tái)，并逐步建立規(guī)模較小且易于實(shí)現(xiàn)的機(jī)器學(xué)習(xí)項(xiàng)目，從而嘗試?yán)米杂袛?shù)據(jù)集。隨著時(shí)間推移，此類增量型項(xiàng)目將帶來積極的反饋，并最終實(shí)現(xiàn)決策自動(dòng)化，甚至幫助敏捷性機(jī)器學(xué)習(xí)團(tuán)隊(duì)徹底改變其所在行業(yè)的運(yùn)營常態(tài)。

　　按照慣例，我們首先回顧機(jī)器學(xué)習(xí)技術(shù)在實(shí)際應(yīng)用層面的發(fā)展歷程：

　　機(jī)器學(xué)習(xí)已經(jīng)形成一種不可逆轉(zhuǎn)的歷史性趨勢(shì)，我們需要立足于此考量如何進(jìn)行跨部門日常事務(wù)處理并將自身業(yè)務(wù)與市場(chǎng)整體經(jīng)濟(jì)狀況加以結(jié)合。

　　在36年的發(fā)展歷程中，眾多企業(yè)一直在努力消化、采用并從機(jī)器學(xué)習(xí)技術(shù)的發(fā)展進(jìn)步與相關(guān)最佳實(shí)踐中獲益。然而，鮮有企業(yè)能夠真正將其轉(zhuǎn)化為自身業(yè)務(wù)優(yōu)勢(shì)。

　　出現(xiàn)了一大批所謂“新晉專家”，他們只讀過幾本相關(guān)書籍或者參加了幾堂網(wǎng)絡(luò)課程，就開始堂而皇之地借助廉價(jià)資本“改變”世界。與此同時(shí)，眾多頂級(jí)科技企業(yè)則在盡可能“招募”真正了解機(jī)器學(xué)習(xí)技能的人才，希望借此為蓬勃發(fā)展的AI經(jīng)濟(jì)儲(chǔ)備能量。

　　另外，相當(dāng)一部分立足機(jī)器學(xué)習(xí)領(lǐng)域誕生的初創(chuàng)企業(yè)則胸懷“獨(dú)角獸”雄心踏上征程，然而必須承認(rèn)，他們自認(rèn)為能夠利用神奇的新型機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)的通用型、低成本、可擴(kuò)展解決方案往往只是種一廂情愿。

　　2017年，在經(jīng)歷了此前的一系列本可避免的挫折之后，我們預(yù)計(jì)機(jī)器學(xué)習(xí)生態(tài)系統(tǒng)將最終開始向正確的方向推進(jìn)。

　　在開始討論具體預(yù)測(cè)之前，還需要強(qiáng)調(diào)點(diǎn)：2016年是極為重要的一年，因?yàn)樵谶@一年中全球最具價(jià)值的五家企業(yè)史無前例地全部由科技企業(yè)充當(dāng)。這五家公司皆擁有幾項(xiàng)共通性特征，其中包括大規(guī)模網(wǎng)絡(luò)效應(yīng)、以數(shù)據(jù)為中心的企業(yè)文化以及建立在尖端分析模式之上的新型增值服務(wù)經(jīng)濟(jì)思路。

　　更重要的是，這些企業(yè)一直在宣傳其理念與意圖，并將機(jī)器學(xué)習(xí)視為其未來進(jìn)化的重要支點(diǎn)。隨著優(yōu)步及Airbnb等獨(dú)角獸企業(yè)的加入，科技行業(yè)在世界經(jīng)濟(jì)中的主導(dǎo)地位很可能在未來幾年中繼續(xù)保持，而這也將受到世界經(jīng)濟(jì)大規(guī)模數(shù)字化轉(zhuǎn)型浪潮的強(qiáng)勢(shì)推動(dòng)。

　　不過，這又提出了一個(gè)可能決定數(shù)萬億美元走向的新問題：傳統(tǒng)企業(yè)(例如掌握著大量數(shù)據(jù)的非技術(shù)企業(yè)以及由大型企業(yè)部分解散并轉(zhuǎn)化而成的小型技術(shù)廠商)該如何適應(yīng)并成為這一新興價(jià)值鏈中的組成部分?它們又該如何在生存之余，在新的時(shí)代下茁壯成長?

　　就目前來看，相當(dāng)一部分企業(yè)都堅(jiān)持以僵化且經(jīng)驗(yàn)指導(dǎo)性思路理解商業(yè)智能系統(tǒng)、繼續(xù)采用陳舊的工作站類傳統(tǒng)基礎(chǔ)、利用簡單的回歸模式統(tǒng)計(jì)系統(tǒng)運(yùn)行狀態(tài)，這意味著其無法捕捉到現(xiàn)實(shí)生活中反映出的具體趨勢(shì)，更遑論準(zhǔn)確預(yù)測(cè)用例的復(fù)雜性。

　　與此同時(shí)，這些企業(yè)面對(duì)著大量專有數(shù)據(jù)得不到充分利用的困境。根據(jù)麥肯錫全球研究院發(fā)布的《分析時(shí)代：數(shù)據(jù)驅(qū)動(dòng)型世界下的競(jìng)爭(zhēng)》報(bào)告所言，其曾在2011年報(bào)告中提到的現(xiàn)代分析技術(shù)至今僅實(shí)現(xiàn)了不足30%，這還不算過去五年來涌現(xiàn)的各種新型技術(shù)方案。

　　更糟糕的是，各行業(yè)間的數(shù)據(jù)技術(shù)發(fā)展態(tài)勢(shì)呈現(xiàn)出嚴(yán)重的失衡現(xiàn)象(著眼于美國，醫(yī)療衛(wèi)生行業(yè)的數(shù)字化技術(shù)采納度低至10%，而智能手機(jī)領(lǐng)域則高達(dá)60%)，這意味著已經(jīng)出現(xiàn)了前所未有的分析能力與競(jìng)爭(zhēng)水平分化態(tài)勢(shì)。

　　盡管實(shí)際情況還達(dá)不到各大供應(yīng)商及研究企業(yè)的宣傳水平(例如‘認(rèn)知計(jì)算’、‘機(jī)器智能’甚至是‘智能機(jī)器’等炒作性概念)，但機(jī)器學(xué)習(xí)已經(jīng)真正成為商業(yè)詞匯中的重要組成部分，并為眾多企業(yè)帶來了廣泛且可觀的潛在發(fā)展空間。這種巨大的機(jī)遇意味著將有更多傳統(tǒng)及初創(chuàng)企業(yè)在2017年開始自己的機(jī)器學(xué)習(xí)探索之旅。睿智的企業(yè)會(huì)努力從失敗案例中汲取經(jīng)驗(yàn)教訓(xùn)，并利用新型技術(shù)成果擴(kuò)大自身競(jìng)爭(zhēng)優(yōu)勢(shì)。然而考慮到人類在面對(duì)新興事物時(shí)表現(xiàn)出的一貫愚蠢與保守態(tài)度，我們將以較為悲觀的態(tài)度探討以下十項(xiàng)發(fā)展趨勢(shì)：

　　預(yù)測(cè)一：機(jī)器學(xué)習(xí)將成為實(shí)現(xiàn)“大數(shù)據(jù)”的重要途徑

　　大數(shù)據(jù)運(yùn)動(dòng)中的種種教訓(xùn)還將反復(fù)重演，而技術(shù)專家們也將從中意識(shí)到只有將多種具備實(shí)用性的“大數(shù)據(jù)”解決方案加以結(jié)合方能實(shí)際其既定目標(biāo)。

　　總體而言，“大數(shù)據(jù)”代表的是能夠昭示未來的數(shù)據(jù)，就這么簡單。Gartner公司最近已經(jīng)在其炒作周期報(bào)告中將“大數(shù)據(jù)”條目剔除，這意味著其已經(jīng)正式步入實(shí)施階段。這一切都將高度強(qiáng)調(diào)分析能力的重要意義，特別是機(jī)器學(xué)習(xí)在引導(dǎo)客戶利用智能化應(yīng)用涉及數(shù)據(jù)技術(shù)相關(guān)項(xiàng)目中扮演的重要角色。另外，以往飽受詬病的樣本分析方案將成為一類重要工具，幫助企業(yè)探索出此類應(yīng)用場(chǎng)景下的新型預(yù)測(cè)性用例。

　　預(yù)測(cè)二：風(fēng)險(xiǎn)投資公司仍將積極為基于算法的初創(chuàng)企業(yè)提供資助

　　風(fēng)險(xiǎn)投資公司仍將繼續(xù)處于摸索與學(xué)習(xí)狀態(tài)，且整個(gè)學(xué)習(xí)過程相緩慢而艱難。風(fēng)投將繼續(xù)為具備亮相學(xué)術(shù)沉淀的算法類初創(chuàng)企業(yè)提供資助，而無視由其帶來的種種誤導(dǎo)性甚至幻想性言論。例如將機(jī)器學(xué)習(xí)作為深度學(xué)習(xí)的代名詞，而完全無視機(jī)器學(xué)習(xí)算法與機(jī)器學(xué)習(xí)模型乃至模型訓(xùn)練與已訓(xùn)練模型預(yù)測(cè)結(jié)果之間的巨大差別。對(duì)于相關(guān)學(xué)科的深入理解將作為一項(xiàng)歷史性難題存在，且整體投資行業(yè)對(duì)此的重視程度依然不夠。不過值得肯定的是，已經(jīng)有一小部分風(fēng)投類企業(yè)開始意識(shí)到機(jī)器學(xué)習(xí)發(fā)展所將帶來的巨大發(fā)展平臺(tái)。

　　預(yù)測(cè)三：機(jī)器學(xué)習(xí)人才仍將成為炙手可熱的稀缺資源

　　媒體對(duì)于AI及機(jī)器學(xué)習(xí)技術(shù)的鼓吹與渲染，將使得相關(guān)技術(shù)人才繼續(xù)成為市場(chǎng)的寵兒，而相關(guān)投資將被大量集中在年輕學(xué)者手中。不過殘酷的現(xiàn)實(shí)告訴我們，絕大多數(shù)算法并不具備廣泛適用性，而且其中相當(dāng)一部分僅僅是在原有基礎(chǔ)上做出了少許改進(jìn)。作為直接結(jié)果，大多數(shù)機(jī)器學(xué)習(xí)算法都將僅被視為噱頭以及瘋狂招募相關(guān)技術(shù)人才的理由。在部分最糟糕的場(chǎng)景下，買方甚至不具備明確的分析技術(shù)發(fā)展思路，而僅僅是像追隨任何一種時(shí)代潮流那樣關(guān)注AI/機(jī)器學(xué)習(xí)技術(shù)。

　　預(yù)測(cè)四：大多數(shù)機(jī)器學(xué)習(xí)相關(guān)項(xiàng)目僅停留在PPT演示階段，而無法帶來理想結(jié)果

　　傳統(tǒng)企業(yè)的高管層將積極雇用咨詢公司以幫助自身建立起自上而下的分析戰(zhàn)略以及/或者制定復(fù)雜的“大數(shù)據(jù)”技術(shù)組件構(gòu)成方案，然而他們對(duì)于洞察結(jié)論的可行性以及確切的投資回報(bào)水平并沒有正確的認(rèn)識(shí)。其中部分原因在于實(shí)施數(shù)據(jù)分析技術(shù)的正確數(shù)據(jù)結(jié)構(gòu)及靈活的計(jì)算基礎(chǔ)設(shè)施當(dāng)下并不難獲取，而且經(jīng)過36年的持續(xù)積累，如今機(jī)器學(xué)習(xí)在廉價(jià)計(jì)算資源的支持下已經(jīng)不再是高不可攀的實(shí)驗(yàn)室產(chǎn)物。

　　預(yù)測(cè)五：深度學(xué)習(xí)在商業(yè)領(lǐng)域的成功范例將寥寥可數(shù)

　　深度學(xué)習(xí)的各類知名研究成果，例如AlphaGo將繼續(xù)吸引媒體關(guān)注。然而，以語音識(shí)別與圖像認(rèn)知為代表的實(shí)際應(yīng)用方案才是真正的發(fā)展驅(qū)動(dòng)力，其將幫助這一技術(shù)在企業(yè)環(huán)境下機(jī)器學(xué)習(xí)場(chǎng)景中發(fā)揮切實(shí)作用。難于解釋、高水平技術(shù)專家稀缺、高度依賴大規(guī)模訓(xùn)練數(shù)據(jù)集以及極高的計(jì)算資源配置需求都將制約深度學(xué)習(xí)在2017年年內(nèi)的發(fā)展態(tài)勢(shì)。

　　就目前的情況看，機(jī)器學(xué)習(xí)技術(shù)與馬球運(yùn)動(dòng)頗有幾分相似，其能夠?yàn)槟鷰砼c富豪及名人交流的機(jī)會(huì)，亦能夠讓您的企業(yè)瞬間逼格爆棚，但隨之而來的還有昂貴的馬術(shù)訓(xùn)練服務(wù)、保養(yǎng)成本、設(shè)備購置開銷以及昂貴的俱樂部會(huì)費(fèi)。因此相較于缺少顯著研究突破上與獨(dú)特優(yōu)勢(shì)的深度學(xué)習(xí)，企業(yè)通常能夠通過關(guān)注增強(qiáng)學(xué)習(xí)及機(jī)器學(xué)習(xí)技術(shù)獲得更快且更具現(xiàn)實(shí)意義的結(jié)果。

　　預(yù)測(cè)六：基于不確定性的原因與規(guī)劃性探索將推動(dòng)機(jī)器學(xué)習(xí)走向新高度

　　機(jī)器學(xué)習(xí)本身只是AI的一小部分。相當(dāng)一部分初創(chuàng)企業(yè)開始立足不確定性為相關(guān)原因與規(guī)劃性探索工作提供研究應(yīng)用，而這將切實(shí)幫助我們?cè)谀Ｊ秸J(rèn)知之外找到新的技術(shù)拓展空間。Facebook公司的Mark Zuckerberg就在損害一年的AI/機(jī)器學(xué)習(xí)研究工作之后，拿出了他自己的個(gè)人智能化助手“Jarvis”——其基本特性與《鋼鐵俠》電影中的虛構(gòu)智能管家大體類似。

　　預(yù)測(cè)七：盡管機(jī)器學(xué)習(xí)的部署范圍持續(xù)擴(kuò)大，但人類仍將在決策工作中扮演核心角色

　　部分企業(yè)將初步部署速度更快且采取循證性決策方式的機(jī)器學(xué)習(xí)方案，但人類仍將在決策工作中扮演核心角色。智能化應(yīng)用的早期落伍將集中在特定行業(yè)內(nèi)，但差異化監(jiān)管框架的存在以及嚴(yán)格失衡的分析能力狀況將在經(jīng)濟(jì)層面給創(chuàng)新性管理方法、競(jìng)爭(zhēng)壓力、復(fù)雜性客戶需求、高質(zhì)量體驗(yàn)及其它一些價(jià)值鏈因素帶來相互矛盾的指引意見。

　　盡管如今機(jī)器學(xué)習(xí)乃至人工智能改變未來的言論甚囂塵上，但冷靜的技術(shù)領(lǐng)導(dǎo)者非常清楚，真正的智能系統(tǒng)還需要很長時(shí)間才會(huì)真正出現(xiàn)。與此同時(shí)，企業(yè)將慢慢學(xué)會(huì)信任自己的模型及其預(yù)測(cè)結(jié)論，并意識(shí)到此類方案確實(shí)能夠在多種任務(wù)領(lǐng)域帶來超越人類的表現(xiàn)。

　　預(yù)測(cè)八：敏捷性機(jī)器學(xué)習(xí)將悄然成為AI營銷中的主力軍

　　更具現(xiàn)實(shí)意義且更為敏捷的機(jī)器學(xué)習(xí)采用方式將悄然在新的一年中占據(jù)主導(dǎo)地位。實(shí)施團(tuán)隊(duì)樂于親自動(dòng)手并充分利用豐富的企業(yè)數(shù)據(jù)儲(chǔ)備，同時(shí)亦能夠完全繞過“大數(shù)據(jù)”相關(guān)炒作宣傳。他們更為務(wù)實(shí)，希望利用最具針對(duì)性與適用性的預(yù)測(cè)性手段通過成熟的算法配合小規(guī)模采樣數(shù)據(jù)解決問題。

　　在這一過程中，他們將逐步建立對(duì)自身分析能力的信心，在實(shí)際產(chǎn)品中部署相關(guān)方案，同時(shí)添加更多可行用例。由于不再受到數(shù)據(jù)訪問問題與部署工具復(fù)雜性的制約，他們能夠真正利用數(shù)據(jù)技術(shù)提升核心業(yè)務(wù)，同時(shí)積極嘗試風(fēng)險(xiǎn)與回報(bào)更高的實(shí)驗(yàn)性手段，考慮以預(yù)測(cè)性用例作為全新品牌營收來源的實(shí)現(xiàn)途徑。

　　預(yù)測(cè)九：MLaaS平臺(tái)將成為傳統(tǒng)企業(yè)中機(jī)器學(xué)習(xí)采用工作的“AI主干”

　　MLaaS平臺(tái)將在加速敏捷性機(jī)器學(xué)習(xí)實(shí)踐領(lǐng)域成為“AI主干”。以此為基礎(chǔ)，以MLaaS基礎(chǔ)設(shè)施為根基的新一波應(yīng)用浪潮將令商業(yè)性機(jī)器學(xué)習(xí)方案的實(shí)現(xiàn)成本進(jìn)一步降低，特別是通過以下幾種方式實(shí)現(xiàn)機(jī)器學(xué)習(xí)“民主化”：

　　通過消除供應(yīng)商合約復(fù)雜性或者前期投入額度顯著降低成本。

　　提供囊括大量高效算法的預(yù)配置框架。

　　以抽象化方式幫助最終用戶擺脫由基礎(chǔ)設(shè)施設(shè)置及管理帶來的復(fù)雜性因素。

　　通過REST API及捆綁包提供輕松易行的集成、工作流自動(dòng)化與部署選項(xiàng)。

　　預(yù)測(cè)十：無論是否擁有充足的數(shù)據(jù)科學(xué)家，開發(fā)者都將不斷向所在企業(yè)引入更多機(jī)器學(xué)習(xí)因素

　　在新的一年中，開發(fā)者們將積極投向至機(jī)器學(xué)習(xí)陣營當(dāng)中——無論企業(yè)是否已經(jīng)具備充足的數(shù)據(jù)科學(xué)家及其他相關(guān)人才儲(chǔ)備。開發(fā)者們將立足于MLaaS平臺(tái)快速構(gòu)建并擴(kuò)展此類應(yīng)用，并借此對(duì)高難度細(xì)節(jié)問題進(jìn)行抽象及剝離(例如集群配置與管理、任務(wù)隊(duì)列以及監(jiān)控與分發(fā)等)?！凹捶?wù)”類方案的普及將允許開發(fā)者僅通過精心設(shè)計(jì)與良好記錄的API即可實(shí)現(xiàn)機(jī)器學(xué)習(xí)技術(shù)應(yīng)用，而不再需要了解LR(1)解析器以編譯并執(zhí)行其Java代碼，或者掌握信息增益或威爾遜評(píng)級(jí)機(jī)制以實(shí)現(xiàn)基于決策樹的預(yù)測(cè)性用例。

　　目前，我們?nèi)蕴幱凇胺治鰰r(shí)代”的早期發(fā)展階段，因此大家應(yīng)當(dāng)對(duì)光明的未來保持振奮的心態(tài)，而非被過去的一些小挫折所打倒。雖然我們?cè)诒酒恼轮刑岢隽瞬簧傧喈?dāng)悲觀的預(yù)測(cè)觀點(diǎn)，但這純粹是為了幫助被興奮沖昏頭腦的朋友們冷靜下來，意識(shí)到業(yè)務(wù)成功、數(shù)學(xué)奧秘、軟件與管理最佳實(shí)踐以及數(shù)據(jù)科學(xué)實(shí)現(xiàn)能力之間尚待跨越的鴻溝。總之，祝各位2017年一切順利!