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、機(jī)器學(xué)習(xí)或 Bot。風(fēng)險(xiǎn)投資公司 Madrona 最近主辦了一個(gè)機(jī)器學(xué)習(xí)和人工智能會(huì)議，將智能應(yīng)用生態(tài)系統(tǒng)領(lǐng)域里的幾個(gè)最大的科技公司和創(chuàng)新創(chuàng)業(yè)公司聚集到了一起。

會(huì)議的關(guān)鍵主題之一來自于對(duì)與會(huì)者的一個(gè)調(diào)查。參與調(diào)查的每個(gè)人都說機(jī)器學(xué)習(xí)對(duì)他們公司和行業(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?qū)I(yè)，還沒法做好他們需要做的事情。

下面是這個(gè)峰會(huì)上談?wù)摰牧硗馕宕筅厔?shì)。

趨勢(shì)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)檢測(cè)異常、推薦產(chǎn)品或者預(yù)測(cè)客戶流失，那么很快它就會(huì)用上了。因?yàn)樾聰?shù)據(jù)的快速生成，大量計(jì)算力的可用和新機(jī)器學(xué)習(xí)平臺(tái)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)，我們有望見到越來越多能生成實(shí)時(shí)預(yù)測(cè)而且會(huì)不斷變得更好的應(yīng)用。在我們過去六個(gè)月遇見的 100 個(gè)早期創(chuàng)業(yè)公司中，90% 以上都在計(jì)劃使用機(jī)器學(xué)習(xí)為客戶提供更好的體驗(yàn)。

趨勢(shì)二：智能 App 出現(xiàn)在微智能和中間件服務(wù)的創(chuàng)新中

當(dāng)下的公司可以分為兩類(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)新集中在構(gòu)建模塊服務(wù)(又名，中間件服務(wù))上，其中包括數(shù)據(jù)準(zhǔn)備(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。

理解“what”背后的“why”是人工智能工作中的另一個(gè)關(guān)鍵部分。

隨著微服務(wù)以及通過 REST API 與微服務(wù)無縫連接的能力的出現(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(shì)——再也不需要從零開始編寫服務(wù)了。

例如， Algorithmia 公司運(yùn)行著一個(gè)算法市場(chǎng)，任何智能應(yīng)用都可以在該市場(chǎng)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(在特定的垂直范圍內(nèi)特定的使用情況)結(jié)合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(shì)三：在機(jī)器學(xué)習(xí)和人工智能世界里，信任和透明絕對(duì)關(guān)鍵

去年，機(jī)器學(xué)習(xí)和人工智能的幾個(gè)備受矚目的實(shí)驗(yàn)受到了關(guān)注。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。自然用戶接口(語音、聊天和視覺)的興起為人類與虛擬助手(蘋果 Siri、亞馬遜 Alexa、微軟 Cortana 和 Viv)的互動(dòng)提供了非常有趣的選擇和機(jī)會(huì)。

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)在線課程將結(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(名叫 Jill Watson，得名于 IBM Watson )

這展示出技術(shù)和創(chuàng)新的力量，也給 Bot、機(jī)器學(xué)習(xí)和人工智能帶來了許多信任和透明度上的規(guī)則問題。

理解“what”背后的“why”是人工智能工作中的另一個(gè)關(guān)鍵部分。當(dāng)一位醫(yī)生或一位病人被告知他們有 75%的可能性患上癌癥然后應(yīng)該使用某種藥來治療時(shí)，一定會(huì)不高興。他們需要理解這個(gè)預(yù)測(cè)結(jié)論和治療方案是從哪些信息中得來的。

我們絕對(duì)相信繼續(xù)發(fā)展的話，機(jī)器學(xué)習(xí)需要完全透明，并且需要透徹地思考將會(huì)成為生活和社會(huì)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(shì)四：機(jī)器學(xué)習(xí)需要人類

關(guān)于我們是否應(yīng)該擔(dān)憂人工智能機(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)化帶來了很多有意義的幫助一樣，在創(chuàng)造正確的端到端的用戶體驗(yàn)中我們也絕對(duì)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(cè)差異、推薦產(chǎn)品或者預(yù)測(cè)客戶流失，你很快就會(huì)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警報(bào)過濾器得出來的東西有更高的采納率。

但是，當(dāng) Redfin 在將推薦發(fā)送給客戶之前要求他們?cè)u(píng)價(jià)這些推薦時(shí)，才實(shí)現(xiàn)了真正的進(jìn)步。在客戶評(píng)價(jià)了這些推薦之后，Redfin 就能使用這些客戶的修正意見作為額外的訓(xùn)練數(shù)據(jù)，之后這些推薦的點(diǎn)擊率得到了顯著的提升。

Splunk 公司描述了 IT 專業(yè)人士可以如何部署和使用 Splunk 來幫助他們工作的更好更高效，這再次強(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 上獲得最大的價(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)需要人來修正和分類進(jìn)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，出來的也是垃圾。數(shù)據(jù)的質(zhì)量和完整性是建立高質(zhì)量模型的關(guān)鍵。

趨勢(shì)五：機(jī)器學(xué)習(xí)是智能應(yīng)用的關(guān)鍵部分......但是你也許不需要一開始就使用

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，但最重要的目標(biāo)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)。

想要有效地使用機(jī)器學(xué)習(xí)和人工智能，你通常需要一個(gè)大型數(shù)據(jù)庫。在這個(gè)事情上有成功經(jīng)驗(yàn)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)改進(jìn)你的應(yīng)用以及需要收集并建立怎樣的數(shù)據(jù)庫來給客戶提供最好的體驗(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)付出了很多很多努力，但是我們?nèi)匀惶幵谠缙陔A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，但是今天就宣布取得了機(jī)器學(xué)習(xí)的成功就像是“我們爬上了樹梢卻宣布自己登上了月球”。