隨著各行各業(yè)的公司認(rèn)識(shí)到采用人工智能不再僅僅是一種選擇的理想，問題曾經(jīng)轉(zhuǎn)移到如何簡化其采用和施行。換句話說，在管理經(jīng)過物聯(lián)網(wǎng)(IoT)搜集的一切數(shù)據(jù)的范圍和復(fù)雜性方面，如何突破復(fù)雜的人工智能世界中的宏大障礙，并應(yīng)用它所提供的不可承認(rèn)的優(yōu)勢？

　　毫無疑問，當(dāng)每個(gè)行業(yè)都在與范圍停止一場失敗的戰(zhàn)役時(shí)，這的確是一個(gè)小時(shí)的需求——來自數(shù)百萬（有時(shí)是數(shù)十億）傳感器、工具和設(shè)備的數(shù)據(jù)流的絕對(duì)范圍。

　　固然谷歌和Facebook等巨頭有足夠的預(yù)算來投資人工智能、機(jī)器學(xué)習(xí)并應(yīng)用其優(yōu)勢，但普通公司如何從人工智能中分得一杯羹？

　　目前，一切數(shù)據(jù)都只是在積聚，簡直沒有做任何事情來轉(zhuǎn)化為可用的情報(bào)。因而，數(shù)據(jù)和人是孤立的——不只如此，迄今為止，任何數(shù)據(jù)剖析的嘗試通常都是從極端短視的角度動(dòng)身的。也就是說，它是用一個(gè)工具或一個(gè)團(tuán)隊(duì)完成的，結(jié)果是一個(gè)人收到了一個(gè)更大范圍的十分本地化的視角。例如，結(jié)果儀表板不包含洞察力來源的痕跡，并且在流程的一個(gè)階段生成的數(shù)據(jù)表很可能無法用于更下游的任何流程。

　　每個(gè)人都在議論人工智能和機(jī)器學(xué)習(xí)的群眾化，議論向群眾開放。

　　不幸的事實(shí)是，正是同樣的應(yīng)戰(zhàn)招致了對(duì)人工智能和機(jī)器學(xué)習(xí)的需求，障礙了其有效采用。

　　讓我們來看看這些應(yīng)戰(zhàn)。

　　需求減少周期時(shí)間

　　固然大多數(shù)行業(yè)思索投資機(jī)器學(xué)習(xí)以減少其產(chǎn)品/效勞的周期時(shí)間，但施行機(jī)器學(xué)習(xí)自身的周期時(shí)間相當(dāng)長。例如，搜集和清算數(shù)據(jù)的過程漫長而乏味——數(shù)據(jù)科學(xué)家將大局部時(shí)間花在這項(xiàng)任務(wù)上。

　　技藝鴻溝

　　技藝短缺是簡直一切行業(yè)的普遍痛點(diǎn)。這一應(yīng)戰(zhàn)可能是供給缺乏或可及性缺乏之一。無論如何，運(yùn)用“智能”機(jī)器有助于處理問題。但是，采用這些智能機(jī)器需求另一群聰明人——數(shù)據(jù)科學(xué)家。如今，這為技藝和短缺開拓了一個(gè)全新的范疇。一方面，這些人通常技術(shù)嫻熟（讀起來十分昂貴）。另一方面，它們的數(shù)量少得令人痛苦（閱讀保存本錢要高得多）。

　　由于組織認(rèn)識(shí)到在市場上堅(jiān)持競爭力在很大水平上取決于機(jī)器學(xué)習(xí)和人工智能，因而對(duì)在該范疇受過培訓(xùn)的人員的需求宏大——遠(yuǎn)遠(yuǎn)超越供給。

　　這僅僅是由于人工智能、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)只要控制了所需數(shù)量的處置技術(shù)的科學(xué)家才干應(yīng)用。這些科學(xué)家辨認(rèn)正確的數(shù)據(jù)，選擇正確的算法，并為勝利施行發(fā)明正確的條件。他們每天都要與業(yè)務(wù)利益相關(guān)者停止頭腦風(fēng)暴，以理解他們的需求、數(shù)據(jù)準(zhǔn)備（搜集、清算數(shù)據(jù)并將其轉(zhuǎn)換為有意義的數(shù)據(jù)）、數(shù)據(jù)建模（創(chuàng)立、測試和優(yōu)化每個(gè)模型）和迭代（直到結(jié)果）稱心）。需求可擴(kuò)展的學(xué)習(xí)。

　　企業(yè)采用機(jī)器學(xué)習(xí)的最大緣由之一是他們需求處置從傳感器和設(shè)備涌入的大量數(shù)據(jù)。對(duì)此的下認(rèn)識(shí)反響是自動(dòng)化處置這些數(shù)據(jù)。但是，這種數(shù)據(jù)處置通常是由人類指導(dǎo)或鍛煉的——這就是我們所說的監(jiān)視學(xué)習(xí)。

　　不幸的是，這品種型的機(jī)器學(xué)習(xí)無法處理當(dāng)今大多數(shù)公司面臨的一系列問題——人類難以預(yù)測的問題。事實(shí)上，由于缺乏可擴(kuò)展或無監(jiān)視的機(jī)器學(xué)習(xí)，攪擾一切行業(yè)的20:80資產(chǎn)失敗規(guī)則*仍未得到處理。在這品種型的機(jī)器學(xué)習(xí)中，機(jī)器自身停止學(xué)習(xí)，否則數(shù)據(jù)科學(xué)家會(huì)停止鍛煉。這種學(xué)習(xí)的整個(gè)前提是機(jī)器可以檢測人眼不可見的形式，因而能夠檢測人類無法運(yùn)用手動(dòng)辦法預(yù)測的問題。

　　總結(jié)

　　人工智能不只與算法有關(guān)，還與算法產(chǎn)生的價(jià)值有關(guān)。因而需求是讓一切相關(guān)用戶可以閱讀晦澀的信息環(huán)境，以取得所需的智能，這些智能可用于在他們參與的每個(gè)步驟中推進(jìn)業(yè)務(wù)目的。