微软前副总裁：机器学习和人工智能5大关键 | 黑箱不黑

【新智元导读】微软前副总裁S. Somasegar从智能应用开发的角度，总结了2016机器学习和人工智能的5大发展趋势：算法和数据结合的微智能，将能灵活地在应用中得到融合；让“每一个应用都变得智能”；人工智能的黑箱将被揭开；现阶段的机器学习和人工智能中，人类的作用不可替代；最后，他认为对于企业来说，不是从一开始就需要机器学习。

风险投资集团Madrona不久前在西雅图举办了一场机器学习与人工智能峰会，汇集了智能应用生态系统中不少大公司和初创企业。

本次峰会的一个重要的议题来自对与会者的问卷调查。在调查中，所有受访者都表示，机器学习对他们的公司和所在行业很重要或者非常重要。

然而，超过半数的受访者认为，自己所在的机构在机器学习上还不够专业，难以支持他们完成需要做的事。

S. Somasegar

微软开发者部门前任副总裁，现Madrona投资合伙人S. Somasegar参加了这次峰会，下文是他所写的总结。他认为，本次峰会展现了机器学习和人工智能当下的五个趋势：

1. 微智能（micro-intelligence）和中间件（middle-ware）服务

广义上讲，现在的公司分为两类：一类是研发机器学习和人工智能技术的；另一类则是在应用和服务中使用机器学习和人工智能的。在包括数据预服务和学习服务或Maas提供者的（数据存储）块服务（比如aka和中间件服务）中，现在正有大量的革新在发生。

随着微服务（microservices）的出现，并且通过REST API 可以完美地连接这些微服务，现在有一种逐渐增强的趋势，即，让学习服务和机器学习算法能够得到使用和再使用，而不是像以前那样必须从头开始重新设计。

举个例子，Algorithmia 公司提供了一个算法交易平台，任何智能的应用都能按需取用平台上的算法。这些算法和模型与特定数据集的结合（使用条件限于特殊的vertical），就是我们所说的微智能。这些微智能可以完美地融入应用中。

2.每一个应用都会变得智能

如果你的公司还没开始使用机器学习来监测异常，推荐产品或者预测客户流失，你很快就会用到了。由于新数据的快速迭代、大量计算能力变得可用以及新的机器学习平台门槛降低（不管是在大型的科技公司，比如亚马逊、谷歌和微软，或者初创企业），我们会看到越来越多的应用，它们能够产生实时的预测，并且不断变得更好。在过去六个月，我们所见到的所有100多个处于早期的初创企业中，超过90%都在计划使用机器学习来提供更好的用户体验。

谷歌使用AI技术的软件数量近年来大幅增加

3.黑箱不黑

在机器学习和人工智能的世界中，信任和透明绝对是至关重要的。

过去的一年间，有好几个高调的机器学习和人工智能项目走到了聚光灯下，包括微软的Tay，谷歌DeepMind 的AlphaGo，Facebook的聊天应用 M 以及各种各样的聊天机器人。自然用户交互界面的发展（声音，对话和视觉）为我们提供了非常有意思的选择和机会，让人类可以与虚拟助手（苹果的Siri，亚马逊的Alexa，微软的Cortana以及Viv）互动。

在我们与人工智能产品的交互中，也有一些令人烦恼的例子。比如，在Georgia Tech的一门线上课程结束时，学生们才发现一位与他们互动了一整个学期的助教Jill竟然是聊天机器人。

这一例子展现了技术和创新的神奇之处，同时，也引发了一些关于机器人、机器学习和人工智能的世界中信任和透明这方面规则的思考。

与人工智能相关的工作中，理解“是什么”背后的“为什么”通常是另一个比较关键的部分。对于医生和病人来说，只告诉他们“有75%的概率触发癌症，需要使用某种药物进行治疗”，这还不够，他们需要知道是什么信息让机器得到了这一预测或者答案。

我们百分之百地相信，对于机器学习，接下来我们可以做到完全透明，我们还应该想清楚，这一技术的进步在道德上会有什么启发，这会是我们生活中不可缺少的一部分，也是社会进步不可缺少的一部分。

4.人类依然不可或缺

关于我们该不该担心人工智能会代替人类，接管世界这一话题，现在有许多讨论。在自动化领域，机器学习和人工智能发挥着重要作用，并且获得了巨大的进步。但是，可以肯定的是，在智能应用的开发中，我们仍然需要人类，来创造正确的，端对端的用户体验。

房屋买卖网站Redfin做了一个尝试，把机器学习生成的推荐推送给用户。这些机器生成的推荐比起用户自行搜索和筛选的结果更能吸引用户。不过，匹配率真正大幅度地提升是在Redfin让中介对机器生成的推荐进行修正后再推送。Redfin能够把中介对机器的推荐的修正作为额外的训练数据，进而带动推荐房源点击量的大幅提升。

大数据平台Splunk 也强调了这一点。如果仅靠机器，没有人的参与，消费者很难从Splunk获得最大的价值。

Spare5是一家搜集数据，以支持计算机视觉研究的公司，他们的例子也说明了人类在训练机器学习模型中的作用：人类可以对要输入模型中的数据进行修正和分类。

机器学习中另一个常见的格言是： garbage in, garbage out（输入的是垃圾，输出的也是垃圾）。也就是说，数据的质量和完整性对于建造高效的模型至关重要。

5.也不是从一开始就需要机器学习

在智能应用的开发中，机器学习是一个不可或缺的部分，也是至关重要的原料，但是，在智能应用的开发中，最关键的目标是建立能够与你的用户产生共鸣的应用和服务，创造一种简单的方法，让消费者可以使用你的服务，并且不断做得更好。

要有效地使用机器学习和人工智能，最基本的要求是拥有大型的数据集。这一领域的成功人士的建议是：立即开始开发程序，把自己想要提供的东西拿来试验，实验的过程中，思考机器学习可以如何改进你的应用，你需要搜集什么数据？来为客户创造最佳的体验。

在让每一个应用都变得智能的道路上，我们已经走了很远，但是要做的还很多。正如艾伦人工智能研究院（Allen Institute for AI）的CEO Oren Etzioni所说，在人工智能和机器学习上，我们获得了长足的进步，但是如果现在就宣布胜利，就好像“刚爬上树头便宣称登上了月球”一样。