硅谷數據科學技術戰略公司前任副總裁，谷歌TensorFlow的開源策略師Edd Wilder-James表示，機器學習和深度學習將成為每個數據科學組織工作的一部分。
Wilder-James在今年舉辦的全球頂級的StrataStrata大數據會議上發布了報告，他介紹了圖像和語音識別算法的最新進展，闡述了機器學習和深度學習正在成為主流的原因。他認為圖像和語音識別軟件已經發展到可以看到和理解某些事物，并在某些情況下比人類做得更好。他說，這將成為企業內部工作的一部分，并為內部和外部客戶提供更好的服務驅動力。
但是，CIO們為企業提供這些功能需要進行哪些投資呢?Wilder-James表示，當建立機器學習策略時，有著十分豐富的選擇。
機器學習與深度學習
根據Wilder-James的說法，深度學習是機器學習的一個子集，但是與機器學習并不相同，可以對此進行單獨討論。機器學習模型的例子包括優化、欺詐檢測，以及預防性維護。他說：“我們現在使用機器學習識別模式。這種模式就是，現在我們知道什么，我們可以做什么，我們怎樣才能確定這種模式?我們能采取行動嗎?”
Wilder James說，“深度學習模型執行類似于人工智能的任務，如圖像處理和識別。憑借大量的計算能力，人們可以看到大量的輸入信號。而且，計算機能做的事情看起來有些像人類的認知能力。”
機器學習的一些應用對于CIO而言并不陌生。其編程語言(如SAS，SPSS和Matlab)是IT部門的知名領域。諸如R，Python和Spark等開源對象也是為機器學習所準備的。
Wilder-James說：“開放源碼是穩定性的更好保證，也是避免供應商鎖定并確保得到支持的好選擇。”
值得注意的事情
Wilder-James表示，技術供應商正在開始使用機器學習工具，而且這種趨勢將會創造越來越多的效益。
“人們開始看到PyTorch在Facebook上的應用，而MXNet是亞馬遜網絡服務的一大特點。”他說，“主要的技術供應商正在他們正在使用的工具包方面展開競爭。”
這種情況如何發展還有待觀察。對于Wilder James來說，他希望不會出現這種情況，他認為這些廠商“相當務實”。
與其他的技術展示不同
然而，機器學習和深度學習模式的推出與大多數技術推廣的過程有所不同。在解決問題之后，CIO們將需要調查采用機器學習是否是一個恰當的解決方案。
Wilder James說：“人們可以用機器學習解決這個問題。這是和其他技術發展的一個重要區別。但不知道是否會成功，必須進行概念驗證。”
Wilder James說，“部署機器學習模型最耗時的步驟是特征工程，或者在數據中發現有助于算法自調的特征。深度學習模式跨越繁瑣的功能工程步驟，然后直接進入培訓步驟。正確地調整深度學習模型需要巨大的數據集，圖形處理單元或張量處理單元和時間。訓練一個深刻的學習模式可能需要幾個星期甚至幾個月的時間。”
還有一件事要需要注意：構建深度學習模型是困難的，不會成為大多數企業機器學習策略的一部分。
“人們必須意識到，即將發生的事情是最接近IT研究的結果。”他說，“這些事情正處在發表論文的階段，并在很短的周期內部署在生產中。”
企業的首席信息官可能在人工智能的研究和發展方面投入巨資有些猶豫，應該依靠預先構建的、可重復使用的機器和深入的學習模式，而不是重新發明。圖像識別模型(如Inception)和自然語言模型(如SyntaxNet和Parsey McParseface)都是準備就緒且可供使用的模型的示例。
“我們可以站在巨人的肩膀上，不必從頭開始。”Wilder James說。
機器學習技術
對于CIO來說，好消息是供應商現在已經開始建立機器學習策略。機器學習軟件庫TensorFlow是其中最著名的工具包之一。“這是一個開源的項目，因為它是谷歌的開源項目。”Wilder James說。它運行速度快，并且隨時隨地進行。”
雖然不容易開發，但是一個名為Keras的簡化接口減輕了負擔，可以處理大多數用例。而且TensorFlow并不是唯一的深入學習庫或框架選項。其他包括MXNet，PyTorch，CNTK和Deeplearning4j。
對于希望采用人工智能的首席信息官來說，采用如Nvidia的DGX-1箱之類的技術價格比較昂貴，其售價為129,000美元。
Wilder-James指出，CIO們也可以利用云計算作為計算資源，每小時成本在5到15美元之間，可以節省大量成本。或者CIO可以選擇去托管的平臺路由，服務提供商將為企業運行訓練有素的模型。而其他工具，如域名專有工具，如Nara Logics的個性化平臺，可以填充人工智能基礎設施。
他說，“這與我們在其他許多服務領域的業務范圍是一樣的。企業是租賃EC2實例來運行一個數據庫，還是訂閱Amazon Redshift?可以選擇這些服務所需的抽象級別。”
然而，在投資技術和人才之前，機器學習策略應該從基礎開始。“企業為人工智能做好準備的最好的一件事是采用自己的數據開發能力，無論是獲取訪問將數據整合到數據庫中，為員工提供數據結果。”Wilder-James說，“了解如何獲取數據將是最適合企業的事情。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號