我們周圍充斥著日益復雜的機器學習技術。可惜很少有人知道如何使用這些技術。

最近451 Research 研究機構的調查數據顯示，缺乏技術人才繼續(xù)阻礙著人工智能技術革命。事實上，是人而不是技術一直是每次技術革命推進速度都低于預期的原因。這就是為什么聰明的公司在企業(yè)文化變革上的投入與技術引進上的投入一樣多。

機器學習技術的炒作和希望

并不是說任何人都有能力清除阻礙來利用機器學習技術從中獲利。只要看看人工智能和機器學習技術在公開財報電話會議中被提及的次數不斷增加就知道了。所有高管都假裝他們的公司在機器學習方面做得很好。是的，人工智能在最近一個季度被提及的次數短暫下降，但長期趨勢是上升的--沒有相應的投入來使這次廉價的談話獲取豐厚的回報。

也就是說，當451 Research研究機構在提問機器學習技術推行的最大障礙時，36%的受訪者表示他們不知道“啟動按鈕”在哪里，另有32%的人表示他們負擔不起或者不知道如何處理數據，如圖1所示。

圖1：對于“你的組織在使用機器學習技術面臨的最主要障礙是什么？”這一問題，有209名受訪者對該問題做出回答，內容源自451 Research研究機構的“企業(yè)之聲：2018年AI與機器學習、技術采用、推動因素和利益相關者”報告。

即便如此，這并沒有阻止49%的受訪者聲稱，他們從幾乎不存在的機器學習推行工作中獲得“競爭優(yōu)勢”，如圖2所示。

圖2：對于“你的組織從機器學習技術的使用中已經實現(xiàn)或期望實現(xiàn)的最大收益是什么？”這一問題，有207名受訪者對該問題做出回答，內容源自451 Research研究機構的“企業(yè)之聲：2018年AI與機器學習、技術采用、推動因素和利益相關者”報告。

這與對大數據的早期調查沒什么不同，當時企業(yè)一方面聲稱從大數據中獲得了巨大的收益，但另一方面又承認他們不知道自己在做什么。

沒有人想成為機器學習或大數據的菜鳥，但要把它做好并不像供應商在新聞稿中所說的那樣容易。451 Research研究機構的調查數據顯示，大約有50%的公司已經部署或計劃在明年部署機器學習算法，但這50%的公司是否在機器學習技術引進上非常領先，對此我感到震驚。大多數企業(yè)仍在摸索前行，希望都能得到回報。

難怪麥肯錫公司的分析表明，機器學習/人工智能技術需要再過十年才能被普遍使用。改變需要時間。

在推行機器學習技術上取得成功：這是一種文化

對于那些想在機器學習技術上大獲成功的企業(yè)而言，正確的策略可能不是坐等世界發(fā)生改變。在云端領域，Pivotal公司出售軟件以使企業(yè)能夠構建云服務，以及提供專業(yè)服務來實現(xiàn)文化變革，以接受這些云服務。長期以來，IBM、惠普（HPE）、SAP、甲骨文等公司在引進或推動類似技術轉變時，在其市場上也一直做著同樣的事情。這些公司清楚地認識到，銷售技術只是工作的一半。除非有人能夠使用該軟件，否則它將以失敗告終。

在機器學習方面，促進文化變革方面做得最多的公司是谷歌，但與Pivotal公司采取不同的方式。

谷歌并沒有采用“武館”方式，讓機器學習技術高手在此訓練一些有意愿學習的人，即Pivotal公司的風格。相反，谷歌公司擁有開源的關鍵技術，如TensorFlow，該技術可讓那些有意愿學習的人通過實踐進行學習。TensorFlow技術被稱為“面向所有人的開源機器學習框架”，它為一代AI實踐者鋪平了道路，讓他們以“谷歌方式”成長和實踐機器學習/人工智能技術。這反過來也誘使許多同樣的實踐者在谷歌云上運行他們的機器學習工作負載，在云端他們的工作負載經過優(yōu)化以便以最佳狀態(tài)運行。

但即使他們不這樣做，開源TensorFlow技術也通過以零成本方式改進對強大機器學習技術的使用，正在降低門檻幫助企業(yè)取得機器學習技術上的成功。

通過像TensorFlow技術這樣的開源庫，機器學習技術將從重要且復雜的狀態(tài)變?yōu)橹匾铱墒褂玫臓顟B(tài)，一次允許一名開發(fā)人員下載。這是一種天才策略，因為它反映了在技術影響世界之前先改變使用該技術的人的需求。

責任編輯：ct