欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

微软前副总裁:机器学习和人工智能5大关键

程序员文章站 2022-04-02 12:22:32
微软前副总裁S. Somasegar从智能应用开发的角度,总结了2016机器学习和人工智能的5大发展趋势:算法和数据结合的微智能,将能灵活地在应用中得到融合;让“每一个应用都变得智能&rd...

微软前副总裁S. Somasegar从智能应用开发的角度,总结了2016机器学习和人工智能的5大发展趋势:算法和数据结合的微智能,将能灵活地在应用中得到融合;让“每一个应用都变得智能”;人工智能的黑箱将被揭开;现阶段的机器学习和人工智能中,人类的作用不可替代;最后,他认为对于企业来说,不是从一开始就需要机器学习。

风险投资集团Madrona不久前在西雅图举办了一场机器学习与人工智能峰会,汇集了智能应用生态系统中不少大公司和初创企业。

本次峰会的一个重要的议题来自对与会者的问卷调查。在调查中,所有受访者都表示,机器学习对他们的公司和所在行业很重要或者非常重要。

然而,超过半数的受访者认为,自己所在的机构在机器学习上还不够专业,难以支持他们完成需要做的事。

微软前副总裁:机器学习和人工智能5大关键

S. Somasegar

微软开发者部门前任副总裁,现Madrona投资合伙人S. Somasegar参加了这次峰会,下文是他所写的总结。他认为,本次峰会展现了机器学习和人工智能当下的五个趋势:

1. 微智能(micro-intelligence)和中间件(middle-ware)服务

广义上讲,现在的公司分为两类:一类是研发机器学习和人工智能技术的;另一类则是在应用和服务中使用机器学习和人工智能的。在包括数据预服务和学习服务或Maas提供者的(数据存储)块服务(比如aka和中间件服务)中,现在正有大量的革新在发生。

随着微服务(microservices)的出现,并且通过REST API 可以完美地连接这些微服务,现在有一种逐渐增强的趋势,即,让学习服务和机器学习算法能够得到使用和再使用,而不是像以前那样必须从头开始重新设计。

举个例子,Algorithmia 公司提供了一个算法交易平台,任何智能的应用都能按需取用平台上的算法。这些算法和模型与特定数据集的结合(使用条件限于特殊的vertical),就是我们所说的微智能。这些微智能可以完美地融入应用中。

2.每一个应用都会变得智能

如果你的公司还没开始使用机器学习来监测异常,推荐产品或者预测客户流失,你很快就会用到了。由于新数据的快速迭代、大量计算能力变得可用以及新的机器学习平台门槛降低(不管是在大型的科技公司,比如亚马逊、谷歌和微软,或者初创企业),我们会看到越来越多的应用,它们能够产生实时的预测,并且不断变得更好。在过去六个月,我们所见到的所有100多个处于早期的初创企业中,超过90%都在计划使用机器学习来提供更好的用户体验。

微软前副总裁:机器学习和人工智能5大关键

谷歌使用AI技术的软件数量近年来大幅增加

3.黑箱不黑

在机器学习和人工智能的世界中,信任和透明绝对是至关重要的。

过去的一年间,有好几个高调的机器学习和人工智能项目走到了聚光灯下,包括微软的Tay,谷歌DeepMind 的AlphaGo,Facebook的聊天应用 M 以及各种各样的聊天机器人。自然用户交互界面的发展(声音,对话和视觉)为我们提供了非常有意思的选择和机会,让人类可以与虚拟助手(苹果的Siri,亚马逊的Alexa,微软的Cortana以及Viv)互动。

在我们与人工智能产品的交互中,也有一些令人烦恼的例子。比如,在Georgia Tech的一门线上课程结束时,学生们才发现一位与他们互动了一整个学期的助教Jill竟然是聊天机器人。

这一例子展现了技术和创新的神奇之处,同时,也引发了一些关于机器人、机器学习和人工智能的世界中信任和透明这方面规则的思考。

与人工智能相关的工作中,理解“是什么”背后的“为什么”通常是另一个比较关键的部分。对于医生和病人来说,只告诉他们“有75%的概率触发癌症,需要使用某种药物进行治疗”,这还不够,他们需要知道是什么信息让机器得到了这一预测或者答案。

我们百分之百地相信,对于机器学习,接下来我们可以做到完全透明,我们还应该想清楚,这一技术的进步在道德上会有什么启发,这会是我们生活中不可缺少的一部分,也是社会进步不可缺少的一部分。

4.人类依然不可或缺

关于我们该不该担心人工智能会代替人类,接管世界这一话题,现在有许多讨论。在自动化领域,机器学习和人工智能发挥着重要作用,并且获得了巨大的进步。但是,可以肯定的是,在智能应用的开发中,我们仍然需要人类,来创造正确的,端对端的用户体验。

房屋买卖网站Redfin做了一个尝试,把机器学习生成的推荐推送给用户。这些机器生成的推荐比起用户自行搜索和筛选的结果更能吸引用户。不过,匹配率真正大幅度地提升是在Redfin让中介对机器生成的推荐进行修正后再推送。Redfin能够把中介对机器的推荐的修正作为额外的训练数据,进而带动推荐房源点击量的大幅提升。

大数据平台Splunk 也强调了这一点。如果仅靠机器,没有人的参与,消费者很难从Splunk获得最大的价值。

Spare5是一家搜集数据,以支持计算机视觉研究的公司,他们的例子也说明了人类在训练机器学习模型中的作用:人类可以对要输入模型中的数据进行修正和分类。

机器学习中另一个常见的格言是: garbage in, garbage out(输入的是垃圾,输出的也是垃圾)。也就是说,数据的质量和完整性对于建造高效的模型至关重要。

5.也不是从一开始就需要机器学习

在智能应用的开发中,机器学习是一个不可或缺的部分,也是至关重要的原料,但是,在智能应用的开发中,最关键的目标是建立能够与你的用户产生共鸣的应用和服务,创造一种简单的方法,让消费者可以使用你的服务,并且不断做得更好。

要有效地使用机器学习和人工智能,最基本的要求是拥有大型的数据集。这一领域的成功人士的建议是:立即开始开发程序,把自己想要提供的东西拿来试验,实验的过程中,思考机器学习可以如何改进你的应用,你需要搜集什么数据?来为客户创造最佳的体验。

在让每一个应用都变得智能的道路上,我们已经走了很远,但是要做的还很多。正如艾伦人工智能研究院(Allen Institute for AI)的CEO Oren Etzioni所说,在人工智能和机器学习上,我们获得了长足的进步,但是如果现在就宣布胜利,就好像“刚爬上树头便宣称登上了月球”一样。