机器学习将大幅改变IT运营模式，未来逐步趋近元学习！

如果要选一个与每个行业都密切相关的专业术语，我想非“机器学习”（ML）莫属。众所周知，机器学习以某种方式影响了几乎所有领域，从检测肿瘤和癌症的无人诊断设备到接地气的流行音乐APP，基本上都涉及到了机器学习功能。

另外，风险投资家们已经对专注于机器学习的初创公司投资了数百万美元。这还不够——尚未开始使用机器学习的企业都展开了在这方面的预算计划，而拥有这一平台业务的科技巨头则想办法将其机器学习功能推向更高水平。

 

机器学习，作为实现计算机程序中的人工智能的一种方法，已经是一个价值数十亿美元的行业。如今，2016-2017年有关该行业的趋势和预测已变成现实。在这种趋势下，它将成为让人工智能继续保持热度的主要方面。

机器学习趋势—边缘计算

什么是边缘计算？实际上，它是通过提供应用程序可以使用的兼容服务和端点来模拟公共云的一种方式。机器学习应用程序很大程度上取决于程序快速执行复杂数据分析操作的能力。通常，对于无人机等低延迟应用，由于需要在云中进行复杂分析，因此机器学习应用很容易出现故障。

边缘计算是一种解决方案。特别是在无法容纳虚拟机和容器的基础架构中，边缘计算提供了一个实用的解决方案。在这里，边缘计算层可以将开发人员与计算，存储和网络服务联系起来。2018年，这种无服务器计算将减少部署代码的开销，从而为开发人员带来更多便利。

机器学习改善IT运营

在大多数企业中，IT系统组件正在生成大量的数据（日志文件，状态报告，错误日志等等）。硬件组件、软件组件、服务器应用程序和操作系统，都会充满操作数据。通过将所有这些数据纳入机器学习的范围，企业IT可以变得主动而非被动。

比如，机器学习算法将帮助IT运营团队找到问题的根源；使用预测分析技术将大大减轻IT中断的影响以及机器学习将能够提高IT系统的入侵检测能力。在这方敏，可以关注一下Amazon Mackie的更新，这是一个基于人工智能的IT运营管理平台。而Azure 的日志分析是另一个机器学习趋势。

个性化技术体验出现

尽管聊天机器人已经是商业力量，但2018年将是机器学习技术如何在商业环境中变得可访问的关键一年。个人虚拟助理应用程序是次要的。这些应用程序将能够与跨数据库存储的用户的使用信息相连接。然后，它将检测模式以准备个性化使用体验，比如用户喜欢的屏幕列表，预期下一个操作以及轻松访问知识库文档。为员工提供个性化的虚拟助理将是企业提高工作效率的巨大飞跃。

透明度最大化决策

在媒体，医疗，法律和工程等领域，深度学习模式的影响已经显现。人们越来越依赖于机器学习算法的判断。但是，这些模型对人类来说并不是很容易。这意味着需要明确增强对人类机器学习算法的理解。

特别是在诸如贷款申请评估和医疗诊断等应用中，理解算法所使用的核心决策逻辑的重要性对于评估结果的可靠性非常重要。此外，在需要与法律法规保持一致的应用中（例如，在不考虑年龄，性别，宗教，种族，信仰，肤色等因素的情况下平等对待工作申请），这将变得越来越重要。

云AI的市场竞争

尽管以机器学习为动力的人工智能正在影响人们的日常生活，但它对于企业来说并不都是可接受的。基于云计算的人工智能解决方案将成为这些业务的主要推动者，也许2018年将实现所有机器学习趋势中最不可阻挡的一项。在这一方面，领先的技术创新者（谷歌，微软，IBM和亚马逊）会相互竞争，开发基于云的AI解决方案，并将其作为平台提供给企业。

转向元学习

现在，机器学习算法很大程度上取决于学习数据集的暴露程度，同时需要现实生活中使用的数据来改善其逻辑。DeepMind的AlphaGo Zero能够击败人类竞争对手，但它还无法扮演一个玩过500万场游戏的人（尽管该软件可能需要处于更大的数据库中）。

 

元学习是一个总括术语。Few-shot学习是一个更具体的术语，侧重于从可管理的少数案例中发现机器学习算法的想法。说实话，这是一个令人兴奋的领域。IT领导者需要密切关注这一领域的发展，以便充分利用现有的机会。

现有系统与GDPR结合起来

当“通用数据保护条例”（GDPR）于2018年开始使用时，我们会看到越来越多的合规性问题被发掘出来，而机器学习系统处于不合规的核心。这是因为这些系统依赖于多个相互关联的数据库，而每个数据库都由GDPR严格的数据保护和隐私准则独立管理。严重的数据依赖将导致复杂的数据驱动模型需要从GDPR的角度进行更深入分析。

 

总的来说，机器学习的研究和发展速度还是很乐观的。它已经在商业和商业应用中产生了重大转变，2018年，预计会取得更多进展。作为一名IT领导者和决策者，及时了解这些机器学习趋势是必要的，因为只有这样才能采取行动，在这个新的浪潮中一往直前。