概要：與DevOps（開發(fā)運營）不同的是，它涉及到更多的人員和方法，因為新技術正在給商業(yè)管理戰(zhàn)略帶來變革。

本文為美國著名數據分析網站DZone分析師Tom Smith與Exaptive的副總裁Matt Coatney的專訪對話，對人工智能和機器學習的未來做了深度的探討。Exaptive是一家美國俄克拉荷馬州以提供大數據分析產品及服務為主的初創(chuàng)企業(yè)。

Exaptive的副總裁Matt Coatney

Tom Smith：感謝Exaptive的副總裁Matt Coatney抽空與我談人工智能和機器知識的現狀，以及他如何是看待其發(fā)展的。

Q：成功的人工智能/機器知識策略的關鍵是什么？

Matt Coatney：與DevOps（開發(fā)運營）不同的是，它涉及到更多的人員和方法，因為新技術正在給商業(yè)管理戰(zhàn)略帶來變革。一方面，它可以替代人們所做的工作，并且更有效、可靠、高效地完成這些任務。另一方面，以前不可行的新商業(yè)模式變得可行。

Matt分享了一些例子：

在醫(yī)學方面，IBM的Watson在不到10分鐘內就發(fā)現了一組完全不同于一組醫(yī)生所認為的白血病類型。

硅谷的一家生物科技公司Atomwise正在尋找現有的藥物來應用于新目標，并在一天內發(fā)現了兩種可阻止埃博拉病毒傳播的藥物。這種類型的研究往往都是需要幾年時間。

Q：企業(yè)如何通過人工智能和機器知識來獲得更多的大數據？

Matt Coatney：與需要解決特殊商業(yè)問題的技術相比，企業(yè)更多地把時間花費在他們認為他們所需要的技術上。企業(yè)需要思考他們正試圖解決的問題以及如何使解決方案讓客戶滿意。思考如何讓解決方案生效，以便你可以實現一個積極的回報率，進一步談下一個項目和合作機會。設定你的成功標準并快速取勝。這與我們過去20年來在IT方面所做的項目沒有什么區(qū)別，我們只需要牢記最佳方法。

Q：在過去的一年里人工智能/機器學習是如何變化的？

Matt Coatney：在過去的五六十年中許多方法一直是一樣的，只是我們有了更強大的計算機，有更多內存和優(yōu)化算法，比如深度學習，因此我們能在很短的時間內獲得更好的結果。例子包括Facebook的面部識別和Google的無人駕駛轎車。另外，我們現在有這樣的人工智能服務，公司可以從電腦上租用時間，發(fā)出請求，并在記錄時間內獲取信息。這降低了準入門檻，同時保證了世界任何組織得到與Facebook和Google相同的質量水平。

Q：你用什么技術解決方案來收集和分析數據？

Matt Coatney：大多數企業(yè)專注于大數據“Hadoopesque”工具。我們也可以這么做，但是我們也可以使用如SQL、NoSQL、Microsoft和Python’s的scikit-learn庫等較小的數據工具來找到價值。無論數據規(guī)模如何，還有許多價值有待從現有數據中去挖掘。

Q：客戶用人工智能/機器知識來解決哪些現實問題？

Matt Coatney：任何有關預測、重新連接或內容預測—Netflix風格的應用程序。金融模型和高級財務模型的大眾化。此外，可幫助機構通過標記概念、關鍵詞等從內容中獲得更多價值的內容和知識管理工具。

Q：您認為阻礙公司從人工智能/機器學習獲利的最常見的問題是什么？

Matt Coatney：公司關注工具和平臺而不是他們正在試圖解決的企業(yè)問題。他們需要把炒作與現實分開，了解工具能做什么，不能做什么。營銷炒作正在被收購，并產生不切實際的期望。這需要對工具進行更好的審核與了解。要明白，為工業(yè)培訓人工智能和使用例子（例如，律師如何寫作和交談）需要一定的時間。

Q：對于人工智能/機器知識的可持續(xù)發(fā)展的最大機會在哪里？

Matt Coatney：我對于人工智能作為一種服務而感到興奮，它為開發(fā)人員和想要創(chuàng)業(yè)的企業(yè)家迅速提供了機會，而且無需太多費用。

知識空間里的決策支持和自動化。對問題更開闊的看法帶來更好、更中肯的解決方案。

機器人使物質世界和虛擬世界融合。

使用數據解決商業(yè)問題。谷歌的數據中心每天使用25%的核電站，谷歌使用Deep Mind來優(yōu)化所有服務器，并能降低15%到20%的能耗。最終，每個企業(yè)都能夠實現相同類型的運營成本節(jié)省。

Q：您對當今人工智能/機器學習最大的關注是什么？

Matt Coatney：人工智能會被善用還是誤用？它是中性的。取決于它如何被應用和誰來使用它。我們需要國際監(jiān)督。它已經被用于網絡戰(zhàn)。要避免陷入局部最大值。在過去的60到70年里，我們使用了相同的硬件和軟件架構，完成了前所未有的復雜工作。我們需要探索不同的方法來成倍地提高性能。

Q：從事人工智能/機器學習項目的開發(fā)者需要哪些技能？

Matt Coatney：從軟技能開始。最好的開發(fā)人員和數據科學家注意提高他們的項目管理、溝通和時間管理技能。專注于理解抽象概念，并盡可能全面地使用不同的語言和技術。擁抱創(chuàng)造性的破壞，因為景色是迅速流動和變化的。

Q：你認為開發(fā)人員需要了解的關于人工智能和機器學習的問題哪些我還沒有問到？

Matt Coatney：關于術語有很多誤解。當我們使用這些術語時，我們需要弄清楚我們的意思：

機器學習是指我們如何使用軟件來學習東西。

人工智能是機器學習的代名詞，但往往意味著更高級的、人類的能力水平。

深度學習是一種特定的機器學習技術，能夠處理更精妙的學習，往往與人工智能有關。