【业界】当前的深度学习框架不会改变机器学习的能力增长

框架只是在应用程序中广泛采用机器学习的中间步骤。我们需要的是更多的视觉产品,而这些可能还需要几年的时间。

当前的机器学习(ML)框架是ML的产品化过程中需要的一个中间步骤,它包含在应用程序环境中。为了真正取得成功,ML供应商需要更像商业用户,而不是程序员。开始的一种方法是学习商业智能(BI)领域提供的经验。

有人曾说过,历史是不会重演的。深度学习(DL)框架,如TensorFlow和Caffe,得到了大量的技术新闻报道,因为这正是它们的技术。为了了解它们的局限性,我们来回顾一下世代计算机语言的标准定义:

—1st: 机器代码,二进制的0和1;

—2nd: 汇编语言;

—3rd: 逻辑编码的文本,我们大多数人认为是计算机“语言”,如Python、C、Fortran和Cobol;

—4th: 具有现代用户体验(UX)的环境,如商业智能(BI)、Visual C、PowerBuilder、Oracle、SAP和其他开发工具。

每一代都允许进行更多的编程(用调试的代码行来度量),工作量更少。最重要的是,每个级别都允许更多的人员来完成任务,因为每个级别都是一个抽象层,它隐藏了下面层的gory细节。第四代工作的重点是让人们“编程”而不用编码。

另一个常用的术语是“数据科学家”。“神话的主要问题在于,这样的人应该长期存在。”我认为这句话应该是在一个新技术解决方案的早期阶段,人们需要深入的知识来解决问题的团队。

但是,第四代列表中的第一项是BI。最初,向现有业务应用程序添加分析需要深入了解统计建模,以便用第三代语言编写信息。这是人们首次提到数据科学家的时候。

随着BI的进步,图形化开发和洞察力交付实现了更易于访问的UX,从而扩大了BI的吸引力和用户群。现在,BI的问题是“信息和洞察力交付链能够产生分析的能力有多大?”BI应用程序让业务分析人员创建了非常详细的分析,并允许业务管理通过在屏幕上拖动一些对象来做更多的事情。图形用户体验可以在业务应用程序中实现BI的爆炸式增长。

在历史的押韵术语中,框架是第三代工具。他们隐藏了机器训练的一些细节,相当于第二代机器知识,并在模块和隐藏代码中抽象出来,允许程序员用一些ML技术和能力扩展他们的应用程序。

云,非框架,推动着当前的机器学习

ML让我们看到的主要影响不是框架的力量,而是云的力量。转向云计算让核心程序比以往任何时候都有更大的覆盖范围。例如,Amazon Alexa和Echo依靠Amazon AWS来驱动应用程序。最受关注的ML应用程序非常少,但它们非常流行,这多亏了云服务器。

然而,大多数企业还没有运行在公共云上。这种情况最终会发生,但还需要几年的时间。在防火墙内的服务器上运行的软件太多了。大多数公司将为其任务关键型应用程序采用公有云的第一步将是部署私有云(保留在公司防火墙内的云基础架构和服务器场)。结果将会比公共云中的控制更多,定制更系统。

同时,ML应用程序的添加将由少数了解ML框架的高薪专家完成。因此,企业ML将专注于云应用程序,而不是雇用昂贵的内部资源。

商业智能的增长应该通知机器学习的增长

过去十年中,第四代BI工具开始获得动力,取代了早期的工具。IBM公司收购了Cognos, SAP收购了Business Objects和Tableau,开始大力改变他们的软件,以便在交付分析和开发周期中变得更加直观。

由年轻的BI公司接受UX和云驱动的变化在过去的十年中改变了BI的面貌。可视化无处不在,管理层可以做更多的事情来实时调查自己的业务。

在ML中也需要同样的改变,容器仅仅是一个开始,封装了ML代码和环境,你可以把它看作是“类固醇模块”,但仍然需要第三代知识来利用它们的力量。

我在寻找的是第一批开始提供视觉工具以将ML添加到现有视觉开发环境中的公司的兴起。这将使更多的人能够利用ML而不必离开自己的专业领域并成为机器学习专家。

我在BI领域听过太多的分析了,直到今天,我还在讨论BI的挑战是如何教会业务用户像数据科学家一样思考。他们讨论了如何培训业务用户,让他们更像程序员。这是倒退。

数据科学家面临的挑战就像商业用户一样思考。ML专家也是如此。他们开始越来越像商业用户那样思考,并开发工具让商业分析师和管理人员能够充分利用ML的力量,而不必像“ML科学家”那样思考,ML的潜力将越快成为现实。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2018-02-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏非著名程序员

程序员:请你不要对业务逻辑「嗤之以鼻」

最近感受很多,感慨也很多。我发现很多程序员对于处理业务逻辑都是「嗤之以鼻」。感觉自己天天写业务逻辑代码,改 Bug 都没有时间学习,没有时间实现个人成长?

1.2K1
来自专栏吉浦迅科技

NVIDIA发布全新OpenACC工具套件

减少编程工作、更多地关注科学本身 全球视觉计算技术行业领袖NVIDIA®(英伟达™)今日发布了全新OpenACC工具套件,通过这款全新的套件,未来科学研究将可以...

3315
来自专栏PPV课数据科学社区

数据驱动运营案例

作者:腾讯大数据 全文共 6212 字,阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 现实情况是连续的、复杂的、互相...

4786
来自专栏企鹅号快讯

人们可能会犯的7个数据错误

随着移动通信和最后一英里的带宽进入高级和现代化的应用,人们需要低延迟的网络连接,计算负载正在从集中式的数据中心移动到网络的边缘。但是人们关于边缘数据中心有很多的...

1947
来自专栏云计算D1net

解析混合云工作流的管理

在深入探讨混合云计算之前,要想在企业内部高效使用混合云,规划师们需要先理解一些知识。 本文探讨云规划师必须牢牢记住的核心思想和策略,有关混合云工作流管理和集成,...

3096
来自专栏云计算D1net

IaaS供应商选择:传统应用 VS. 云原生应用

随着IaaS供应商们不断扩展其产品组合并提供包括更高级别服务在内的产品,用户应用的需求(不仅仅只是用户的基础设施)也成为了选择供应商的考虑因素之一。 在多年的犹...

3106
来自专栏ThoughtWorks

聚焦测试,驱动卓越 | 洞见

在经历了“七年之痒”后,蓝鲸项目进入第八个年头,项目的一切趋于稳定。团队倡导持续改进,这时大家的感觉是已经尽力做到最好,似乎没有什么可以改进的了。为了突破这个局...

1224
来自专栏BestSDK

2017——私有云“死亡”的一年

如今,人们越来越清楚的是,企业选择停止建立私有云基础设施,并于2017年转向混合IT基础设施。 许多企业依赖于数据中心服务作为他们事业和谋生手段。然而毫无疑问,...

3134
来自专栏数据之美

转转数据平台从 0 到 1 的演进与实践

1、背景 在转转开始大数据平台建设之前,整个数据从需求提出到研发流程再到数据报表、数据产品,也是经历过一段非常混沌的时期,而且效率和质量往往很难得到保障,主要表...

2796
来自专栏liulun

CMMI-4中19个PA的大致描述

组织过程资产库下面有组织级标准过程库, 这个库里一共有19各PA(就是标准过程啦) PA的英文是Process Area CM(配置管理过程,英文是Config...

2045

扫码关注云+社区

领取腾讯云代金券