全面智能？机器学习等领域的5大趋势
今天搞技术开发和执行的人聊天一定离不开这些话题：人工智能、神经网络或 Bot。风险投资公司 Madrona *近主办了一个机器学习和人工智能会议，将智能应用生态系统各个领域里的几个第二大的科技公司和创新性创业公司聚集到了两人。
会议的关键主题之一来自于对到会的一个调查。参与调查的每个人都说机器学习对他们公司和零售业很重要或者非常重要。
但是，超过一半的调查回复也说他们的组织在机器学习上还不够大学本科，还没法做好他们需要做的事实。
下面是这个峰会上讲到的另外五大逐渐。
趋势一：每个应用都将是智能应用
如果你的公司还没有使用机器学习侦测异常、推荐产品或者预测模型客户流失，那么很快它就会用上了。因为新资料的快速水解，大量计算力的可用和新机器学习平台的方便使用（无论是它来自亚马逊、谷歌和微软这样的大技术公司还是 Dato 这种创业公司），我们上半年见到永正更少能生成实时预测而且会不断变得能够的应用。在我们过去六个月遇见的 100 个年代创业公司中，90% 以上都在计划使用机器学习为客户共享更好的乐趣。
趋势二：智能 App 发生在微智能和中间件服务的创新中
自觉的公司可以统称两类（广义上）：开发某种形式的机器学习/人工智能技术的公司，或者在应用和服务中使用机器学习技术和人工智能的公司。大量的创新集中于在构建模块服务（又名，中间件服务）上，其中共有数据匆忙（data preparation）服务和学习服务或者模型即服务（models-as-a-service）的提供商。
随着微服务以及通过 REST API 与微服务无缝连接起来的能力的出现，学习服务及机器学习算法的使用和再使用迎来了增长的趋势——再也不需要从零开始重写服务了。
例如， Algorithmia 公司行驶着一个算法零售商，任何智能应用都可以在该市场中按需要使用其中的算法。将这些算法和模型与特定数据片（在特定的侧向范围内特定的使用可能会）交织起来就是我们所说的微智能（micro-intelligence），它可以无缝接入到应用中。
趋势三：在机器学习和人工智能世界各地里，信任和柔软绝对关键
去年，机器学习和人工智能的几个备受注目的试验中受到了欢迎。例如微软的 Tay、谷歌的 DeepMind AlphaGo、Facebook 的 M 和数量不断增加的各种聊天机器人。自然客户端接口（语音、聊天和美感）的兴起为人类与模拟助手（苹果 Siri、亚马逊 Alexa、微软 Cortana 和 Viv）的对话提供了非常古怪的选择和奋斗。
也有一些与人工智能互动的例子让人感到不安。比如，在佐治亚理工学院一个互联网课程将结束时，学生才惊讶地发现他们交互了整个学期的一个教学助理竟然是聊天机器人（原是 Jill Watson，古称于 IBM Watson ）
这重现出技术和创新的力量，也给 Bot、机器学习和人工智能造成了许多信任和透明度上的规则问题。
了解「what」背后的「why」是人工智能工作中的另一个关键大多。当一位医生或一位病人被告知他们有 75%的不确定性患上乳癌然后应该使用某种药来治疗时，一定会不后悔。他们需要理解这个预测结论和治疗方案是从哪些信息中得来的。
我们绝对认为此后发展的话，机器学习需要完全透明，并且需要透彻地认知后会成为生活和社会进步不可或缺的一部分的技术进步带来的伦理问题。
趋势四：机器学习需要人类
关于我们是否应该疑虑人工智能机器占领世界已经讨论过很多了。正如人工智能和机器学习已经给自动控制带来了很多有意义的帮助一样，在缔造正确的端到端的用户体验中我们也绝对将需要人类的参与。
如果你的公司还没有使用机器学习检测差别、推荐产品或者预测客户流失，你很快就会开始了。
Redfin 公司曾做了个实验：给用户发送利用机器学习生成的推荐。这些机器学习生成的推荐比用户自己搜索和中央气象局过滤器得出来的南北有较高的采纳率。
但是，当 Redfin 在将推荐发送给客户之前要求他们评价这些推荐时，才实现了真正的进步。在客户评价了这些推荐之后，Redfin 就能使用这些客户的修正立场作为额外的操练数据，之后这些推荐的点击率给予了明显的提升。
Splunk 公司叙述了 IT 从业员可以如何部署和使用 Splunk 来帮助他们工作的更好更高效，这再度强调了机器学习的应用中必须要有人这一观点。如果没有人的参与，客户将无法从 Splunk 上取得*大的价值。
另一家公司 Spare5 也是很好的例子。它们描述了在训练机器学习模型时，有时需要人来修正和演化踏入模型的数据。机器学习中有个关于数据的谚语：进去的是垃圾场，出来的也是垃圾。数据的速率和完整性是建立高分辨率模型的关键。
趋势五：机器学习是智能应用的关键部分......
机器学习是建立人工智能时不可或缺的关键部分，但*重要的能力还是让你的智能应用能够与用户产生共鸣，让客户能方便地使用这些应用并不断获得更好的体验。
打算有效地使用机器学习和人工智能，你往往需要一个大型检索。在这个事情上有取得成功技巧的人给出的建议是：从你想提供的应用和体验开始，在这个过程中，考虑如何能让机器学习优化你的应用以及需要搜寻并建立怎样的数据库来给客户提供*好的体验。
我们想让每个应用都成为智能的，在这个过程中，我们已经回报了很多很多努力，但是我们已经处在早期阶段。正如艾伦人工智能研究所（Allen Institute） CEO Oren Etzioni 在一次炉边谈话中所说的那样：在人工智能和机器学习上我们已经取得巨大的进步，但是今天就无限期取得了机器学习的成功就像是「我们冲向了树梢却宣布自己登上了月球」。
最新评论