機器學習是系統(tǒng)改變自己編程的能力

機器學習一直是計算史上最大的進步之一，現(xiàn)在它被認為能夠在大數(shù)據(jù)和分析領域發(fā)揮重要作用。從企業(yè)的角度來看，大數(shù)據(jù)分析是一項巨大的挑戰(zhàn)。例如，諸如理解大量不同數(shù)據(jù)格式，分析數(shù)據(jù)準備和過濾冗余數(shù)據(jù)等活動可能會消耗大量資源。招聘數(shù)據(jù)科學家和專家是一個昂貴的主張，而不是每個公司的手段。專家認為，機器學習能夠自動執(zhí)行與分析相關的許多任務 - 包括常規(guī)和復雜的任務。自動化機器學習可以釋放大量可用于更復雜和創(chuàng)新工作的資源。似乎機器學習一直朝著這個方向發(fā)展。

信息技術背景下的自動化

在IT環(huán)境中，自動化是不同系統(tǒng)和軟件的鏈接，因此他們能夠在沒有任何人為干預的情況下完成特定的工作。在IT行業(yè)中，自動化系統(tǒng)可以執(zhí)行簡單和復雜的工作。簡單作業(yè)的一個示例可能是將表單與PDF集成并將文檔發(fā)送給正確的收件人，而配置非現(xiàn)場備份可能是復雜作業(yè)的一個示例。

為了完成其工作，需要對自動化系統(tǒng)進行編程或給出明確的指示。每次需要自動化系統(tǒng)來修改其作業(yè)范圍時，程序或指令集需要由人進行更新。雖然自動化系統(tǒng)在其工作中是有效的，但是由于各種原因可能發(fā)生錯誤。發(fā)生錯誤時，需要確定并糾正根本原因。顯然，要完成自己的工作，自動化系統(tǒng)完全依賴于人類。工作性質(zhì)越復雜，錯誤和問題的概率就越高。

通常，將例行和可重復的作業(yè)分配給自動化系統(tǒng)。IT行業(yè)自動化的一個常見示例是自動化基于Web的用戶界面的測試。測試用例被輸入自動化腳本，并相應地測試用戶界面。(有關機器學習的實際應用的更多信息，請參閱下一代欺詐檢測中的機器學習和Hadoop。)

支持自動化的論點是，它執(zhí)行日常和可重復的任務，并釋放員工以執(zhí)行更復雜和創(chuàng)造性的任務。然而，也有人認為自動化已經(jīng)取代了以前由人類執(zhí)行的大量工作或角色?，F(xiàn)在，隨著機器學習進入各個行業(yè)，自動化可以完全增加一個新的維度。

自動化是機器學習的未來嗎?

機器學習的本質(zhì)是系統(tǒng)在沒有人類干預的情況下不斷學習數(shù)據(jù)和進化的能力。機器學習能夠像人腦一樣運作。例如，推薦引擎在電子商務網(wǎng)站可以評估用戶的獨特偏好和口味，并提供最適合用戶選擇的產(chǎn)品和服務的建議。有了這種能力，機器學習被認為是自動執(zhí)行與大數(shù)據(jù)和分析相關的復雜任務的理想選擇。它已經(jīng)克服了傳統(tǒng)自動化系統(tǒng)的主要局限性，如果沒有經(jīng)常的人為干預，它們就無法運行。有多個案例研究表明機器學習能夠完成復雜的數(shù)據(jù)分析任務，本文稍后將對此進行討論。

正如已經(jīng)指出的那樣，大數(shù)據(jù)分析對于公司來說是一個具有挑戰(zhàn)性的主張，它可以部分地委托給機器學習系統(tǒng)。從業(yè)務的角度來看，這可以帶來很多好處，例如釋放數(shù)據(jù)科學資源以獲得更多創(chuàng)造性和關鍵任務，更高的工作量，更少的時間來完成任務和成本效益。

2015年，麻省理工學院的研究人員開始研究一種數(shù)據(jù)科學工具，該工具能夠使用稱為深度特征合成算法的技術從大量原始數(shù)據(jù)中創(chuàng)建預測數(shù)據(jù)模型?？茖W家聲稱，該算法可以結(jié)合機器學習的最佳特征。根據(jù)科學家的說法，他們已經(jīng)在三種不同的數(shù)據(jù)集上測試了算法，并且將測試范圍擴展到更多的數(shù)據(jù)集。研究人員James Max Kanter和Kalyan Veeramachaneni在一篇國際數(shù)據(jù)科學與分析會議上發(fā)表的一篇論文中說：“利用自動調(diào)整過程，我們在沒有人為參與的情況下優(yōu)化整個途徑，使其能夠概括，并描述了他們是如何做到的。到不同的數(shù)據(jù)集。“

讓我們來看看任務的復雜程度：該算法具有一種稱為自動調(diào)整功能的能力，借助于該功能，它可以從原始數(shù)據(jù)(如年齡或性別)中獲取或提取洞察或值，之后，可以創(chuàng)建預測數(shù)據(jù)模型。該算法使用復雜的數(shù)學函數(shù)和稱為高斯Copula的概率論。因此，很容易理解算法能夠處理的復雜程度。該技術還贏得了比賽的獎項。

機器學習可能會取代工作

世界各地正在討論機器學習可能取代許多工作，因為它正在以人類大腦的效率執(zhí)行任務。事實上，人們擔心機器學習將取代數(shù)據(jù)科學家 - 似乎有這種擔憂的基礎。

對于那些沒有數(shù)據(jù)分析技能但仍需要在日常生活中進行不同程度分析的普通用戶來說，擁有能夠分析大量數(shù)據(jù)并提供分析的計算機是不可行的。但是，自然語言處理(NLP)技術可以通過教授計算機來接受和處理人類的自然語言來克服這種限制。這樣，普通用戶就不需要復雜的分析功能或技能。

IBM認為，通過其產(chǎn)品Watson自然語言分析平臺，可以最大限度地減少或消除對數(shù)據(jù)科學家的需求。根據(jù)Watson Analytics and Business Intelligence副總裁Marc Atschuller的說法，“使用像Watson這樣的認知系統(tǒng)，你只需提出問題 - 或者如果你沒有問題，你只需上傳你的數(shù)據(jù)，Watson可以查看并推斷你可能想知道什么。“

自動化是機器學習的下一個合乎邏輯的步驟，我們已經(jīng)在日常生活中體驗到這些影響 - 在電子商務網(wǎng)站，F(xiàn)acebook好友建議，LinkedIn網(wǎng)絡推薦和Airbnb搜索排名?？紤]到給出的例子，毫無疑問可以投射到自動化機器學習系統(tǒng)產(chǎn)生的輸出質(zhì)量。盡管它的所有品質(zhì)和好處，機器學習導致巨大失業(yè)的想法可能看起來有點過度反應。幾十年來，機器已經(jīng)在我們生活的許多方面取代了人類，然而，人類已經(jīng)發(fā)展并適應在行業(yè)中保持相關性。根據(jù)不同的觀點，機器學習及其所有破壞性只是人們適應的另一種浪潮。