誰是凱西柯茲科夫?她是谷歌的首席決策科學家，這個工作崗位是谷歌在今年創造的新崗位，她最主要的工作就是對谷歌高層的決策過程與如何應用 AI 策略提供建議，協助將谷歌打造為一個數據驅動的組織，簡單講，這就是一個“教”谷歌高管們怎么用 AI 管公司的工作。
教一家可能是全世界最懂 AI 的公司高管們怎么用 AI?這工作的 JD(Job Diion) 聽起來似乎有些不可思議，但事實上，卻有實際存在的必要性，因為，開發 AI 算法或產品是一回事，但要將 AI 應用在企業環境中進行決策，可是另一回事。
而柯茲科夫的工作是在谷歌內部推動決策智能(decision intelligence)創新實踐，并已親自培訓過超過 15,000 名谷歌員工。
她在 2014 年加入谷歌，今年 3 月，谷歌為她創造出該公司有史以來第一位首席決策科學家(Chief Decision Scientist)的職位，服務于谷歌云(Google Cloud)部門，主要工作是對谷歌高層的決策過程與 AI 策略提供建議，并協助將谷歌打造為一個數據驅動的組織。
也因為她，谷歌又界定出了這個稱為決策智能工程學(decision intelligence engineering)的全新學科。據她解釋，決策智能是一門跨領域科學，主要結合了數據科學和行為科學。
這是因為，在谷歌這樣一個擁有龐大數據的公司，需要有人能其在一系列產品和服務中運用機器學習技術，建立一個可靠的決策框架，讓內部的個人和機器都能做出更明智的決策。但這樣的框架并不存在，因此谷歌決定公司決定建立一個。
機器學習可以說是當前企業界最火熱的字眼之一。然而很多時候，機器學習被過度神化，仿佛遇到任何商業問題，只要找一些數據丟進機器學習模型，就可以得到神奇的解答。
但很多企業都失敗了。柯茲科夫在日前于新加坡的一場“決策智能——重新思考傳統”(Decision Intelligence – Rethinking Tradition)的演說中，厘清什么是機器學習，企業又該如何運用機器學習來進行商業決策。
柯茲科夫(Cassie Kozyrkov)指出，許多企業在使用機器學習時經常“用錯誤的順序，然后不斷失敗”，以致于浪費資源，又得不到想要的結果。
在這場演說中，一開始，柯茲科夫先請在場聽眾舉手回答兩個問題，一是有誰知道如何制造微波爐?一是有誰沒有用過微波爐?兩個問題在場都沒人舉手。
她接著指出，一般人都不知道怎么制造微波爐，但卻沒有人不會使用。其實機器學習也是這么一回事。機器學習的研究和應用，不應該被混淆，但許多人或企業卻都會犯這個錯誤，只是想微波食物，卻找了一大群人來打造微波爐。這無異于是找工程師來下廚。即便結果成功，也只是因為剛好找到會下廚的工程師。
她形容，機器學習就像在廚房做菜，可以分成四個部分。第一個部分是數據，也就是原料。第二是演算法，這就是廚具。第三是模型，這就像食譜一樣。第四是預測，也就是最終的菜色。
多數企業的需求只是要煮出一道菜，而不是要生產微波爐，但卻往往犯了從頭開始制造這些廚房用具的錯誤。其實，這或許也不能怪這些企業，因為當前機器學習的應用面確實還不夠成熟。
她指出，機器學習很常跟人工智能(AI)被相互混用，實際上學界認為這兩者之間有著分別。事實上，柯茲科夫把機器學習的定義簡化成一個“事物”的標簽機，它不是神奇的黑魔法，本質就是對其識別的某個事物給予標簽，只是與傳統方式相比，機器學習是靠“范例”而不是“指令”來標簽事物。
但無論如何，機器學習與 AI 有著共同原則，那就是兩者都是運用數據、演算法、模型和預測，來自動執行一些很難用言語解釋的任務。而這可以說是人類史上一個“全新的方向”。
柯茲科夫又將機器學習分成兩種，分別是傳統人工智能和決策智能，并定義前者是機器學習研究，用以打造通用型的工具。后者則是組合了機器學習應用、統計與分析，用以解決商業問題。
也就是說，機器學習可以分成基礎研究面與實務應用面。想要下廚，不需要會制造廚具，只要懂得如何使用即可。而制造廚具的人，也不必然需要精于烹飪。
但她認為，目前企業界在運用數據結合機器學習進行商業決策時，人們經常用錯誤的順序，也就是直接從數據、從機器學習下手來解決問題，然后不斷失敗。她說，“你應該從你的顧客開始，而不是從工具、從原料開始來解決問題。”
她進一步解釋，數據是人工智能能夠發揮作用的一個關鍵。但很多時候，企業往往沒有真正厘清核心問題就跳到技術解決方案，然后將失敗原因歸咎于是數據不足或數據過多。但實際上，如果能夠真正厘清問題，就不難找出合用的數據。
不管怎么說，柯茲科夫強調，用機器學習來解決商業決策問題，其實比想像中要容易得多。只是企業必須避免本末倒置，搞錯順序，硬是找工程師來負責下廚。
京公網安備 11010502049343號