【中国安防展览网 媒体导读】“分析时代”目前仍处于起步阶段，它为我们带来众多值得期待且为之兴奋的构想与承诺。在今天的文章中，BigML公司副总裁Atakan Cetinsoy将披露2017年中他眼中的机器学习技术及相关生态系统发展趋势。
十项机器学习技术及相关生态系统发展趋势预测
每一年结束时，技术专家们总会着眼于新的十二个月，思考其熟知的技术方案将在下一阶段迎来怎样的变化趋势。在BigML公司，我们结合2016年中机器学习技术的发展与演变，尝试解析其在新一年内的未来前景。
首先需要强调的是，企业需要吹散围绕在机器学习概念周遭的炒作迷雾，探索将其切实引入自身业务体系的有效途径。更具体地讲，企业需要通过严谨决策立足内部环境选定平台，并逐步建立规模较小且易于实现的机器学习项目，从而尝试利用自有数据集。随着时间推移，此类增量型项目将带来积极的反馈，并终实现决策自动化，甚至帮助敏捷性机器学习团队彻底改变其所在行业的运营常态。
按照惯例，我们首先回顾机器学习技术在实际应用层面的发展历程：机器学习已经形成一种不可逆转的历史性趋势，我们需要立足于此考量如何进行跨部门日常事务处理并将自身业务与市场整体经济状况加以结合。
在36年的发展历程中，众多企业一直在努力消化、采用并从机器学习技术的发展进步与相关佳实践中获益。然而，鲜有企业能够真正将其转化为自身业务优势。
出现了一大批所谓“新晋专家”，他们只读过几本相关书籍或者参加了几堂网络课程，就开始堂而皇之地借助廉价资本“改变”世界。与此同时，众多科技企业则在尽可能“招募”真正了解机器学习技能的人才，希望借此为蓬勃发展的AI经济储备能量。
另外，相当一部分立足机器学习领域诞生的初创企业则胸怀“独角兽”雄心踏上征程，然而必须承认，他们自认为能够利用神奇的新型机器学习算法实现的通用型、低成本、可扩展解决方案往往只是种一厢情愿。
2017年，在经历了此前的一系列本可避免的挫折之后，我们预计机器学习生态系统将终开始向正确的方向推进。
在开始讨论具体预测之前，还需要强调点：2016年是极为重要的一年，因为在这一年中具价值的五家企业地全部由科技企业充当。这五家公司皆拥有几项共通性特征，其中包括大规模网络效应、以数据为中心的企业文化以及建立在分析模式之上的新型增值服务经济思路。
更重要的是，这些企业一直在宣传其理念与意图，并将机器学习视为其未来进化的重要支点。随着优步及Airbnb等独角兽企业的加入，科技行业在世界经济中的主导地位很可能在未来几年中继续保持，而这也将受到世界经济大规模数字化转型浪潮的强势推动。
不过，这又提出了一个可能决定数万亿美元走向的新问题：传统企业(例如掌握着大量数据的非技术企业以及由大型企业部分解散并转化而成的小型技术厂商)该如何适应并成为这一新兴价值链中的组成部分？它们又该如何在生存之余，在新的时代下茁壮成长？
就目前来看，相当一部分企业都坚持以僵化且经验指导性思路理解商业智能系统、继续采用陈旧的工作站类传统基础、利用简单的回归模式统计系统运行状态，这意味着其无法捕捉到现实生活中反映出的具体趋势，更遑论准确预测用例的复杂性。
与此同时，这些企业面对着大量专有数据得不到充分利用的困境。根据麦肯锡研究院发布的《分析时代：数据驱动型世界下的竞争》报告所言，其曾在2011年报告中提到的现代分析技术至今仅实现了不足30%，这还不算过去五年来涌现的各种新型技术方案。
更糟糕的是，各行业间的数据技术发展态势呈现出严重的失衡现象(着眼于美国，医疗卫生行业的数字化技术采纳度低至10%，而智能手机领域则高达60%)，这意味着已经出现了的分析能力与竞争水平分化态势。
尽管实际情况还达不到各大供应商及研究企业的宣传水平(例如‘认知计算’、‘机器智能’甚至是‘智能机器’等炒作性概念)，但机器学习已经真正成为商业词汇中的重要组成部分，并为众多企业带来了广泛且可观的潜在发展空间。这种巨大的机遇意味着将有更多传统及初创企业在2017年开始自己的机器学习探索之旅。睿智的企业会努力从失败案例中汲取经验教训，并利用新型技术成果扩大自身竞争优势。然而考虑到人类在面对新兴事物时表现出的一贯愚蠢与保守态度，我们将以较为悲观的态度探讨以下十项发展趋势：
我要评论
所有评论仅代表网友意见，与本站立场无关。