概要：與DevOps（開發(fā)運(yùn)營）不同的是，它涉及到更多的人員和方法，因?yàn)樾录夹g(shù)正在給商業(yè)管理戰(zhàn)略帶來變革。

本文為美國著名數(shù)據(jù)分析網(wǎng)站DZone分析師Tom Smith與Exaptive的副總裁Matt Coatney的專訪對話，對人工智能和機(jī)器學(xué)習(xí)的未來做了深度的探討。Exaptive是一家美國俄克拉荷馬州以提供大數(shù)據(jù)分析產(chǎn)品及服務(wù)為主的初創(chuàng)企業(yè)。

Exaptive的副總裁Matt Coatney

Tom Smith：感謝Exaptive的副總裁Matt Coatney抽空與我談人工智能和機(jī)器知識的現(xiàn)狀，以及他如何是看待其發(fā)展的。

Q：成功的人工智能/機(jī)器知識策略的關(guān)鍵是什么？

Matt Coatney：與DevOps（開發(fā)運(yùn)營）不同的是，它涉及到更多的人員和方法，因?yàn)樾录夹g(shù)正在給商業(yè)管理戰(zhàn)略帶來變革。一方面，它可以替代人們所做的工作，并且更有效、可靠、高效地完成這些任務(wù)。另一方面，以前不可行的新商業(yè)模式變得可行。

Matt分享了一些例子：

在醫(yī)學(xué)方面，IBM的Watson在不到10分鐘內(nèi)就發(fā)現(xiàn)了一組完全不同于一組醫(yī)生所認(rèn)為的白血病類型。

硅谷的一家生物科技公司Atomwise正在尋找現(xiàn)有的藥物來應(yīng)用于新目標(biāo)，并在一天內(nèi)發(fā)現(xiàn)了兩種可阻止埃博拉病毒傳播的藥物。這種類型的研究往往都是需要幾年時(shí)間。

Q：企業(yè)如何通過人工智能和機(jī)器知識來獲得更多的大數(shù)據(jù)？

Matt Coatney：與需要解決特殊商業(yè)問題的技術(shù)相比，企業(yè)更多地把時(shí)間花費(fèi)在他們認(rèn)為他們所需要的技術(shù)上。企業(yè)需要思考他們正試圖解決的問題以及如何使解決方案讓客戶滿意。思考如何讓解決方案生效，以便你可以實(shí)現(xiàn)一個(gè)積極的回報(bào)率，進(jìn)一步談下一個(gè)項(xiàng)目和合作機(jī)會。設(shè)定你的成功標(biāo)準(zhǔn)并快速取勝。這與我們過去20年來在IT方面所做的項(xiàng)目沒有什么區(qū)別，我們只需要牢記最佳方法。

Q：在過去的一年里人工智能/機(jī)器學(xué)習(xí)是如何變化的？

Matt Coatney：在過去的五六十年中許多方法一直是一樣的，只是我們有了更強(qiáng)大的計(jì)算機(jī)，有更多內(nèi)存和優(yōu)化算法，比如深度學(xué)習(xí)，因此我們能在很短的時(shí)間內(nèi)獲得更好的結(jié)果。例子包括Facebook的面部識別和Google的無人駕駛轎車。另外，我們現(xiàn)在有這樣的人工智能服務(wù)，公司可以從電腦上租用時(shí)間，發(fā)出請求，并在記錄時(shí)間內(nèi)獲取信息。這降低了準(zhǔn)入門檻，同時(shí)保證了世界任何組織得到與Facebook和Google相同的質(zhì)量水平。

Q：你用什么技術(shù)解決方案來收集和分析數(shù)據(jù)？

Matt Coatney：大多數(shù)企業(yè)專注于大數(shù)據(jù)“Hadoopesque”工具。我們也可以這么做，但是我們也可以使用如SQL、NoSQL、Microsoft和Python’s的scikit-learn庫等較小的數(shù)據(jù)工具來找到價(jià)值。無論數(shù)據(jù)規(guī)模如何，還有許多價(jià)值有待從現(xiàn)有數(shù)據(jù)中去挖掘。

Q：客戶用人工智能/機(jī)器知識來解決哪些現(xiàn)實(shí)問題？

Matt Coatney：任何有關(guān)預(yù)測、重新連接或內(nèi)容預(yù)測—Netflix風(fēng)格的應(yīng)用程序。金融模型和高級財(cái)務(wù)模型的大眾化。此外，可幫助機(jī)構(gòu)通過標(biāo)記概念、關(guān)鍵詞等從內(nèi)容中獲得更多價(jià)值的內(nèi)容和知識管理工具。

Q：您認(rèn)為阻礙公司從人工智能/機(jī)器學(xué)習(xí)獲利的最常見的問題是什么？

Matt Coatney：公司關(guān)注工具和平臺而不是他們正在試圖解決的企業(yè)問題。他們需要把炒作與現(xiàn)實(shí)分開，了解工具能做什么，不能做什么。營銷炒作正在被收購，并產(chǎn)生不切實(shí)際的期望。這需要對工具進(jìn)行更好的審核與了解。要明白，為工業(yè)培訓(xùn)人工智能和使用例子（例如，律師如何寫作和交談）需要一定的時(shí)間。

Q：對于人工智能/機(jī)器知識的可持續(xù)發(fā)展的最大機(jī)會在哪里？

Matt Coatney：我對于人工智能作為一種服務(wù)而感到興奮，它為開發(fā)人員和想要?jiǎng)?chuàng)業(yè)的企業(yè)家迅速提供了機(jī)會，而且無需太多費(fèi)用。

知識空間里的決策支持和自動(dòng)化。對問題更開闊的看法帶來更好、更中肯的解決方案。

機(jī)器人使物質(zhì)世界和虛擬世界融合。

使用數(shù)據(jù)解決商業(yè)問題。谷歌的數(shù)據(jù)中心每天使用25%的核電站，谷歌使用Deep Mind來優(yōu)化所有服務(wù)器，并能降低15%到20%的能耗。最終，每個(gè)企業(yè)都能夠?qū)崿F(xiàn)相同類型的運(yùn)營成本節(jié)省。

Q：您對當(dāng)今人工智能/機(jī)器學(xué)習(xí)最大的關(guān)注是什么？

Matt Coatney：人工智能會被善用還是誤用？它是中性的。取決于它如何被應(yīng)用和誰來使用它。我們需要國際監(jiān)督。它已經(jīng)被用于網(wǎng)絡(luò)戰(zhàn)。要避免陷入局部最大值。在過去的60到70年里，我們使用了相同的硬件和軟件架構(gòu)，完成了前所未有的復(fù)雜工作。我們需要探索不同的方法來成倍地提高性能。

Q：從事人工智能/機(jī)器學(xué)習(xí)項(xiàng)目的開發(fā)者需要哪些技能？

Matt Coatney：從軟技能開始。最好的開發(fā)人員和數(shù)據(jù)科學(xué)家注意提高他們的項(xiàng)目管理、溝通和時(shí)間管理技能。專注于理解抽象概念，并盡可能全面地使用不同的語言和技術(shù)。擁抱創(chuàng)造性的破壞，因?yàn)榫吧茄杆倭鲃?dòng)和變化的。

Q：你認(rèn)為開發(fā)人員需要了解的關(guān)于人工智能和機(jī)器學(xué)習(xí)的問題哪些我還沒有問到？

Matt Coatney：關(guān)于術(shù)語有很多誤解。當(dāng)我們使用這些術(shù)語時(shí)，我們需要弄清楚我們的意思：

機(jī)器學(xué)習(xí)是指我們?nèi)绾问褂密浖韺W(xué)習(xí)東西。

人工智能是機(jī)器學(xué)習(xí)的代名詞，但往往意味著更高級的、人類的能力水平。

深度學(xué)習(xí)是一種特定的機(jī)器學(xué)習(xí)技術(shù)，能夠處理更精妙的學(xué)習(xí)，往往與人工智能有關(guān)。