【财富空间】AI时代，企业如何利用机器学习技术驱动业务发展？

来源：Ben Lorica   全球人工智能

摘要： 随着机器学习受到的关注和应用越来越多，作为一个想成为机器学习的公司，该如何做呢？本文从不同的方面详细介绍了一个机器学习公司应当做哪些准备。

为了成为一个机器学习公司，你需要工具和流程去克服数据、工程和模型方面的挑战。

在过去的这些年，为了构建基础设施，数据社区专注于聚集和收集数据，并使用数据来改进决策。我们现在可以看到，对先进的分析和机器学习的兴趣在许多行业的垂直方领域上激增。

在这篇文章中，我分享了我去年9月在纽约Strata Data 公司发布的一篇演讲中的幻灯片和笔记，为大家提供一些对增强公司机器学习能力的建议。这些信息来自于在许多不同的问题领域中，应用机器学习的前沿的实践者、研究人员和企业家的对话。

与其他技术或方法一样，一个成功的机器学习项目从确定正确的用例开始。例如，机器学习推荐和减少客户流失的应用有很多，但对于应用程序来说，一个有用的分类有如下几点:

1.提高决策的应用程序

2.改进商业运营的应用程序

3.产生收入的应用程序

4.可以帮助预测或防止欺诈或风险的应用程序

为了成为一个“机器学习公司”，当你开始构建模型时，首先你要熟悉你将要面对的关键障碍是什么。如果你咨询主要的从业者，通常会有三件事:

1.数据:现在大多数应用都依赖于监督学习，所以一切都从质量良好的标记(训练)数据集开始。

2.工程:你如何使用一个原型并生产它?在部署到生产环境之后，如何监视模型?

3.模型:虽然现代的机器学习库使你更容易将模型与你的数据匹配，但仍然存在一些挑战

在这篇文章的剩余部分，我将讲解如何面对这些挑战。

在构建用于训练机器学习模型的标记数据集时，使用已访问的数据非常重要。随着新的数据源不断地出现在网络上，对大多数公司来说，数据集成是一项正在进行的工作——你目前对数据基础设施的投资甚至可以让你获得足够的数据来启动。你还可以使用公开的(开放的)数据或你可以从第三方提供商购买的数据来丰富现有的数据集。

好消息是机器学习社区意识到训练数据是一个主要的瓶颈。所以研究人员一直致力于那些让你从较少的训练数据(弱监督)开始或者允许你将一个问题中得到的知识用于另一个环境（转移学习）的研究。

随着数据越来越重要，有一些初创公司和公司在探索数据交换。数据交换使组织可以在保护隐私和机密的同时共享一些数据。同时，也有一些类似的研究，致力于开发安全的机器学习算法。在消费者金融领域存在应用欺诈检测，例如，如果隐私和安全能够得到保证，那么在机密数据上共享学习可能是有价值的。

今年早些时候，我们观察到，公司开始在构建机器学习模型和监控他们的行为方面创造了一个新的角色。但是机器学习工程师的新角色真的是必要的吗?

对于越来越多的公司来说，答案是:是的，这样的专家很需要。如果你创建了一个你需要知道的关于生产和监控模型的清单，那么你将得到一组广泛的工具和技术。

机器学习的研究正在飞速发展。公平地说，大多数公司都无法跟上研究人员发布的所有新技术和新工具。想象以下的实验:在接下来的五年里，进展会停滞不前(非常不可能，自我幽默一下)。我认为，有足够的工具可以让公司在很长一段时间里保持忙碌。

深度学习，一种已经成功应用于计算机视觉和语言问题的技术。大多数公司仍处于将深度学习应用于熟悉的数据类型(文本、时间序列、结构化数据)或使用它来替换现有模型(包括它们当前推荐系统)的早期阶段。我希望在接下来的几年里能看到许多有趣的，涉及到深层神经网络(DNN)的案例研究，。

随着关于深度学习的所有激动人心的一面，我们有时会忘记有很多有趣的，不依赖于神经网络的新数据应用。

随着模型被推向先进设备，我对最近在协作学习方面的工作感到兴奋。展望人工智能，在线学习和持续学习的工具将是必不可少的。

数据社区开始认识到，除了优化定量或业务指标之外，还需要更多的模型。模型是否强大到能抵御对抗性攻击？在某些应用程序模型中必须是可解释和可理解的。

公平:你了解你的训练数据的分布情况吗?如果你不了解，请注意过去的忽视可能会导致未来的忽视。

透明度:随着机器学习变得越来越流行，用户对那些被最优化的计量机构的了解和发言权越来越感兴趣。

尽管近年来这一领域取得了很大进展，但研究人员和理论家们仍不清楚这一点。我们仍然处在一个“试错”的时代。深度学习可能减少了对人工特征工程的需求，但是仍然有很多决策倾向于建立一个DNN(包括网络架构和许多超参数的选择)。

我们可以把模型构建看作是探索机器学习算法的空间。企业需要能够以一种有原则和高效的方式进行探索。这意味着维护可重复的管道，从实验中节省元数据，协作工具，并利用最近的研究成果。

那么，公司在做什么来让这种探索成为可能呢?大多数机器学习都需要标记(训练)数据，因此任何平台都从输入数据存储系统的强大数据管道开始，数据科学家和机器学习工程师可以访问这个数据存储系统。对于所有公司来说，数据集成是一项重要的、持续的练习。

公司还允许数据科学家共享特征和生成这些特征的数据管道。让你了解特性的相对重要性:让公司告诉你他们使用的是什么算法通常会容易得多;而要让他们描述什么对他们的模型是最重要的，则困难得多。

领先的公司让他们的数据科学家使用几个机器学习库。强迫你的数据科学家使用一两个“开发中的”库是很疯狂的。他们需要能够进行实验，这可能意味着让他们使用各种各样的库。

有些公司为生产机器学习模型提供工具，并在部署后监控它们。公司还在使用开源技术构建自己的部署和监控工具。如果你正在寻找一个用于模型部署和监控的开源工具，Clipper是加州大学伯克利分校的崛起实验室的一个新项目，它现在可以让你轻松地部署使用几个流行的机器学习库编写的模型。更重要的是，Clipper团队很快就添加了模型监控。(几家公司将在2018年3月的Strata Data San Jose，描述他们如何实现模型部署和监控)。

要成为一个“机器学习公司”，你需要工具和流程来克服数据、工程和模型方面的挑战。公司刚刚开始在他们的产品中使用和部署机器学习。工具仍在不断完善，最佳实践才刚刚开始出现。

原文：https://www.oreilly.com/ideas/how-companies-can-navigate-the-age-of-machine-learning

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

1. 重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

2. 重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

3. 重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1. 精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

2. 智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

3. 高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4. 不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

5. 边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

1. 创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

2. 对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3. 人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

1. 超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

2. 迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

   评估未来的知识和技能类型；

3. 制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

   发过程中确定更加明晰的标准和最佳实践；

4. 重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

   较高失业风险的人群；

5. 开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

---

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”。

点击“阅读原文”，访问AI-CPS OS官网

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

---

---

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com

---

---