江苏龙网

  1. 首页 > 资讯 > 科技 > >

埃尔法哥哥谁说机器学习难？它在这朵云上就没有门槛


美国运通使用数据分析和机器学习来帮助检测实时的欺诈行为 ， 节省了数百万美元的损失 。
沃尔沃利用数据和机器学习帮助预测零部件何时可能出现故障、何时需要维修 ， 提高了汽车的安全性 。
……
就像这样 ， 机器学习能帮助企业解决的问题远远不止于此 ， 它还能提供个性化的客户服务、供应链推荐、动态定价、医疗诊断和反洗黑钱等等 。

埃尔法哥哥谁说机器学习难？它在这朵云上就没有门槛
本文插图

如今 ， 机器学习已开始被用于越来越多的领域和行业 。 AWS首席云计算企业战略顾问张侠博士告诉采访人员 ， "全球各地数以万计的公司, 几乎每一个行业和细分市场 ， 都开始将机器学习应用于其工作负载 ， 从数据中获得更多价值 ， 获得洞察 ， 提升业务 。
根据Gartner发布的2019人工智能新技术成熟度曲线 ， 以机器学习（Machine Learning ， ML）为代表的许多人工智能技术正在快速成熟 。 2018年至2019年间 ， 部署人工智能的组织已经从4%增长到了14% 。
根据IDC的预计 ， 到2023年 ， 中国人工智能市场规模将达到979亿美元 ， 2018-2023年复合增长率为28.4% 。
机器学习为什么没"火"起来？
事实上 ， 机器学习并不是近几年才"问世"的 。 早在50年前 ， 机器学习的概念就出现了 ， 而且当前多数机器学习技术都是在几十年前就发明出来的 ， 但是那些年它们在市场上的表现却一直不温不火 。
张侠总结出了制约人工智能广泛应用的三个因素：一是掌握人工智能专业知识的人才不足；二是构建和扩展人工智能的技术产品有难度；三是在生产经营中部署人工智能应用不仅费时 ， 成本也高 ， 所以导致市场上缺乏低成本、易使用、可扩展的人工智能产品和服务 。
而且 ， 机器学习的实施是一项非常复杂的工作 ， 涉及大量试错 ， 需要专业的技能 。
开发者和数据科学家首先要对数据进行可视化、转换和预处理 ， 这些数据才能变成算法可以使用的格式 ， 用以训练模型 。 即使是简单的模型 ， 企业也需要花费庞大的算力和大量的训练时间 ， 并且可能需要招聘专门的团队来管理包含多台GPU服务器的训练环境 。
从选择和优化算法 ， 到调节影响模型准确性的数百万个参数 ， 训练模型的所有阶段都需要大量的人力和猜测 。 然后 ， 在应用程序中部署训练好的模型时 ， 企业又需要另一套应用设计和分布式系统方面的专业技能 。 并且 ， 随着数据集和变量数的增加 ， 模型会过时 ， 企业又必须一次又一次地重新训练模型 ， 让模型从新的信息中学习和进化 。
所有这些工作都需要大量的专业知识 ， 并耗费庞大的算力、数据存储和时间成本 。 而且 ， 由于没有集成化的工具用于整个机器学习的工作流 ， 机器学习模型的传统开发方式是非常复杂和昂贵的 。
AWS全球副总裁及大中华区执行董事张文翊表示 ， "国内越来越多的企业正在探讨机器学习和人工智能技术带来的巨大潜力 ， 探索如何把这些技术融入到日常应用当中 。 但实际上 ， 除了少数具有专家人才和数据科学家的企业外 ， 大部分公司还是很难应用机器学习这项技术 。 "
云上的机器学习有什么不一样？
但是云计算的普及给这一困境带来了转机 。 随着云计算的出现 ， 人工智能和机器学习不再局限于少数科技巨头和硬核的研究机构里 ， 它们有机会可以走进千千万万个企业中 。
张侠解释到 ， 在机器学习的发展中 ， 云计算起到了非常决定性的作用 。 云计算可以非常方便地为大数据提供存储和计算的能力 ， 同时使得我们可以很方便的交流、分享各种各样的算法 。"我们正在开启机器学习的黄金时代 。 以前阻碍机器学习在现实世界应用的许多限制开始消失 。 许多风口正在汇集在一起 ， 使得部署机器学习变得前所未有的简单 。 "


推荐阅读


上一篇：机智猫为了测试石头扫地机器人T7 Pro，我准备了一坨屎

下一篇：一张图读懂荣耀X10 麒麟820越级配置掀起5G风暴