[[394391]]

 從自動駕駛到機器翻譯，從識別欺詐交易到語音識別，從衛(wèi)星圖像識別到幫助視頻流服務(wù)預(yù)測我們想看哪部電影······

機器學(xué)習(xí)（ML）正在推動人工智能（AI）應(yīng)用爆炸式增長，幫助軟件理解不確定和不可預(yù)測的現(xiàn)實世界。

毫無疑問，得益于數(shù)據(jù)量的增加、算力的豐富、算法的進步，機器學(xué)習(xí)被認(rèn)為是目前最成功的人工智能技術(shù)，并徹底改變了行業(yè)競爭態(tài)勢和我們的日常生活。

機器學(xué)習(xí)使計算機能夠處理迄今為止僅由人執(zhí)行的任務(wù)。Gartner的相關(guān)調(diào)查顯示，2020年平均每個企業(yè)部署ML項目為10個，而到2021年將達到20個。機器學(xué)習(xí)在全球?qū)a(chǎn)生高達2.6萬億美元的價值。

那么在企業(yè)服務(wù)領(lǐng)域，當(dāng)前的機器學(xué)習(xí)繁榮靠的是什么？未來又將在哪些方面發(fā)揮更多的作用？

1 機器學(xué)習(xí)應(yīng)用時刻環(huán)繞著我們
每個Google搜索都使用了多種機器學(xué)習(xí)系統(tǒng)，通過您的查詢語言作為模型輸入項，以便給您輸出個性化的結(jié)果。因此，搜尋“ bass”的釣魚愛好者，不會被有關(guān)吉他的結(jié)果所淹沒。

同樣，Gmail的垃圾郵件和網(wǎng)絡(luò)釣魚識別系統(tǒng)也使用經(jīng)過大量數(shù)據(jù)訓(xùn)練的機器學(xué)習(xí)模型，以使您的收件箱中沒有惡意郵件。

虛擬助手是機器學(xué)習(xí)功能最明顯的體現(xiàn)之一，如Apple的Siri、亞馬遜的Alexa、Google Assistant和Microsoft Cortana，每一個都嚴(yán)重依賴機器學(xué)習(xí)，支持其語音識別和理解自然語言的能力。

除了這些明顯表現(xiàn)之外，機器學(xué)習(xí)幾乎在每個行業(yè)中都找到了一些用途。

如無人駕駛汽車、無人機和送貨機器人的計算機視覺，聊天機器人和服務(wù)機器人的語言識別與合成；安全系統(tǒng)或者無人商超的人臉識別；為商務(wù)會議提供合理準(zhǔn)確的轉(zhuǎn)錄和語音翻譯，幫助放射科醫(yī)生從X射線中找出腫瘤，幫助研究人員發(fā)現(xiàn)與疾病有關(guān)的基因序列，并確定在藥物中更有效的藥物分子；通過分析物聯(lián)網(wǎng) 傳感器數(shù)據(jù)，對基礎(chǔ)設(shè)施進行預(yù)測性維護等等。

那么，什么是機器學(xué)習(xí)？

機器學(xué)習(xí)是教計算機系統(tǒng)如何在饋入數(shù)據(jù)時進行準(zhǔn)確預(yù)測的過程。這些預(yù)測可能會回答“照片中的水果是香蕉還是蘋果”，會發(fā)現(xiàn)無人駕駛汽車前過馬路的人，判斷是電子郵件是垃圾郵件，抖音上語音合成自動生成字幕，等等。

機器學(xué)習(xí)是基于已有數(shù)據(jù)、知識或經(jīng)驗自動識別有意義的模式。最基本的機器學(xué)習(xí)使用算法解析和學(xué)習(xí)數(shù)據(jù)，然后在相似的環(huán)境里做出決定或預(yù)測。

機器學(xué)習(xí)模型已被教導(dǎo)如何通過對大量數(shù)據(jù)進行訓(xùn)練，并可靠地區(qū)分水果。在這種情況下，可能有大量標(biāo)記為包含香蕉或蘋果的圖像數(shù)據(jù)，用來對模型進行訓(xùn)練。

在機器學(xué)習(xí)過程中，并沒有人為指示機器學(xué)習(xí)系統(tǒng)如何對未知環(huán)境做出決策或預(yù)測，這一過程由機器學(xué)習(xí)中的算法從數(shù)據(jù)中學(xué)習(xí)得到的，做出決策的主體是機器學(xué)習(xí)算法，并且決策或預(yù)測是非確定性的結(jié)果，一般以概率的形式輸出，比如80%的可能性是晴天。

機器學(xué)習(xí)與傳統(tǒng)計算機軟件的主要區(qū)別在于，人類的開發(fā)人員尚未編寫代碼來指示系統(tǒng)如何分辨香蕉和蘋果之間的區(qū)別。

與之不同的是，常規(guī)的應(yīng)用程序需要軟件工程師一句句地編寫代碼（特定的指令集），指示程序或軟件做出確定的行為，比如輸出0和1分別表示注冊成功和失敗。做出決策的主體實際是人，程序只是執(zhí)行動作的工具。正因如此，機器學(xué)習(xí)可歸為間接編程，與之對應(yīng)的是常規(guī)編程。

人工智能和機器學(xué)習(xí)之間有什么區(qū)別？

機器學(xué)習(xí)最近獲得了巨大的成功，但它只是實現(xiàn)人工智能的一種方法。

在20世紀(jì)50年代誕生之初，AI被定義為能夠執(zhí)行通常需要人類智能的任務(wù)的任何機器。

人工智能系統(tǒng)通常會表現(xiàn)出這些特征：計劃、學(xué)習(xí)、推理、問題解決、知識表示、感知、運動和操縱，以及在較小程度上具有社會智能和創(chuàng)造力。

除了機器學(xué)習(xí)之外，還有多種其他方法可用于構(gòu)建AI系統(tǒng)，包括進化計算和專家系統(tǒng)。在進化計算中，算法經(jīng)過隨機變異和代際組合，以試圖“進化”成最佳解決方案；在專家系統(tǒng)中，計算機模仿了特定領(lǐng)域中人類專家的行為，如自動駕駛系統(tǒng)模仿人駕駛飛機飛行。

現(xiàn)在我們可以看見，機器學(xué)習(xí)系統(tǒng)在我們周圍被廣泛使用，今天已成為現(xiàn)代互聯(lián)網(wǎng)的基石。

更令人震驚的是，2020年，OpenAI的GPT-3以其像人一樣的寫作能力而成為頭條新聞，幾乎涵蓋了能想到的任何主題。

GPT-3是一個經(jīng)過培訓(xùn)的神經(jīng)網(wǎng)絡(luò)，可對開放式網(wǎng)絡(luò)上提供的數(shù)十億篇英語文章進行學(xué)習(xí)，并且可以根據(jù)文本提示生成文章。

在企業(yè)服務(wù)領(lǐng)域，AI實現(xiàn)的熱門領(lǐng)域隨處可見，如：

用于生產(chǎn)設(shè)備的故障預(yù)測，制定維護周期/計劃，實現(xiàn)7x24全天候運行的目標(biāo)；

用于銀行和保險業(yè)貸款和保單自動化承保和決策的人工智能，以及提供反欺詐的早期發(fā)現(xiàn)和預(yù)測；

AI協(xié)助醫(yī)學(xué)診斷，特別是圖形、圖像的模式識別；

用于安全漏洞和入侵檢測的預(yù)防，以及數(shù)據(jù)中心硬件、軟件和環(huán)境維護；

消費者消費行為、模式預(yù)測，市場營銷和銷售策略的決策等。

2 機器學(xué)習(xí)為什么那么成功？

機器學(xué)習(xí)已成為應(yīng)用最廣泛的AI技術(shù)。Gartner的調(diào)查顯示，約有37%的組織在其業(yè)務(wù)中使用某種類型的機器學(xué)習(xí)技術(shù)，并且預(yù)計到2022年，80%的現(xiàn)代技術(shù)將基于機器學(xué)習(xí)和人工智能技術(shù)。

德勤發(fā)布的《全球人工智能發(fā)展白皮書》指出，在人工智能眾多的分支領(lǐng)域中，機器學(xué)習(xí)是人工智能的核心研究領(lǐng)域之一。包括89%的人工智能專利申請和40%人工智能范圍內(nèi)的相關(guān)專利均屬于機器學(xué)習(xí)范疇。

盡管機器學(xué)習(xí)不是一種新技術(shù)，但近年企業(yè)服務(wù)來對該領(lǐng)域的興趣激增。為什么機器學(xué)習(xí)如此成功？

使這些成功成為可能的因素主要有兩個：一是擁有了可用于訓(xùn)練機器學(xué)習(xí)系統(tǒng)的大量圖像、語音、視頻和文本等數(shù)據(jù)。

更為重要的是，由于現(xiàn)代圖形處理單元（GPU）的出現(xiàn)，可以聚集在一起以形成機器學(xué)習(xí)引擎，具備了大量并行處理能力。

如今，具有互聯(lián)網(wǎng)連接的任何人都可以通過亞馬遜、谷歌和微軟，以及阿里云、騰訊云等公司提供的云服務(wù)，使用計算集群來訓(xùn)練機器學(xué)習(xí)模型。

隨著機器學(xué)習(xí)使用的日漸普及，很多半導(dǎo)體或者云服務(wù)公司正在創(chuàng)建針對運行和訓(xùn)練機器學(xué)習(xí)模型而量身定制的專用硬件。

Google的Tensor處理單元（TPU）不僅用于訓(xùn)練Google DeepMind和Google Brain的模型，還用于支持Google翻譯和Google Photo中的圖像識別的模型，以及允許公眾使用Google的TensorFlow Research Cloud構(gòu)建機器學(xué)習(xí)模型的服務(wù)。

谷歌表示，到2020年，其第四代TPU比MLPerf中的上一代TPU快2.7倍，該基準(zhǔn)用于衡量系統(tǒng)使用訓(xùn)練有素的ML模型進行推理的速度。

2019年，阿里巴巴發(fā)布了其首款為人工智能（AI）流程提供動力的芯片，名為漢光800。當(dāng)年，華為也宣布其人工智能芯片"Ascend 910"面向數(shù)據(jù)中心，可與高通（Qualcomm）和Nvidia（Nvidia）等美國科技公司對抗。

騰訊與中信、中金資本和Primavera等多家投資者向上海的Enflame科技公司投資了18億元。Enflame技術(shù)制造芯片，用于處理大量數(shù)據(jù)以訓(xùn)練人工智能系統(tǒng)。

隨著硬件的日益專業(yè)化和機器學(xué)習(xí)軟件框架的不斷完善，機器學(xué)習(xí)任務(wù)越來越多地在智能手機和計算機上執(zhí)行，而不是在云數(shù)據(jù)中心中執(zhí)行。

那么在企業(yè)服務(wù)中，機器學(xué)習(xí)應(yīng)用出現(xiàn)的幾大發(fā)展趨向值得關(guān)注。

由IT管理ML項目的比例降低。TechRepublic Premium調(diào)查結(jié)果顯示，由IT和終端業(yè)務(wù)共同管理AI / ML項目的受訪者為23％，由IT管理項目的受訪者為19％，由數(shù)據(jù)科學(xué)部門管理的AI / ML項目的受訪者為11％。這與2019年33％的AI / ML項目由IT管理相比有所降低。

為確保AL / ML項目成功所采取的策略中，最高的三項是與管理層合作，以更好地確定AI / ML的業(yè)務(wù)用例（52％），準(zhǔn)備/培訓(xùn)IT員工（48％）以及對數(shù)據(jù)準(zhǔn)備，計算和自動化流程進行投資（46 ％）。

對AI / ML項目實施的擔(dān)憂也有所改變。2020年，最大的顧慮是沒有收到能夠證明投資合理性的業(yè)務(wù)結(jié)果（48％），員工準(zhǔn)備/難以找到AI / ML人才（38％）以及實施時間太長（37％）。

ML更多的應(yīng)用于業(yè)務(wù)。根據(jù)調(diào)查的受訪者，47％的人將AI / ML應(yīng)用于業(yè)務(wù)運營，30％的人將其應(yīng)用于市場營銷/銷售，27％的人將技術(shù)應(yīng)用于工程和IT。

3 機器學(xué)習(xí)已成為云服務(wù)新的增長點

事實上，機器學(xué)習(xí)的快速崛起很大程度上得益于云計算的普及，云計算所展現(xiàn)出的計算能力，能夠滿足日益普及的機器學(xué)習(xí)工作負(fù)載對計算的需求。

目前已經(jīng)有超過10萬客戶在使用AWS的機器學(xué)習(xí)服務(wù)，很多客戶已經(jīng)將機器學(xué)習(xí)用于其核心業(yè)務(wù)。

從2016年起，AWS開始在云上提供機器學(xué)習(xí)服務(wù)。經(jīng)過近幾年的持續(xù)創(chuàng)新，AWS在機器學(xué)習(xí)領(lǐng)域已經(jīng)構(gòu)建起一個“全家福”工具集，真正做到了讓客戶可以“開箱即用”。

工具集的底層，AWS提供強大的算力、全面的算力選擇和豐富的機器學(xué)習(xí)框架選擇。

工具集的中間層，AWS的Amazon SageMaker可以提供首個全托管的機器學(xué)習(xí)集成開發(fā)環(huán)境，最大限度地提高用戶開展機器學(xué)習(xí)的效率，降低開展機器學(xué)習(xí)的門檻。

工具集的頂層，AWS提供預(yù)先訓(xùn)練好的模型，涵蓋視覺、語音、對話、文字、業(yè)務(wù)工具、客服中心、搜索、代碼+運維、工業(yè)AI等。

騰訊云提供的智能鈦機器學(xué)習(xí)（TI Machine Learning）是一站式機器學(xué)習(xí)生態(tài)服務(wù)平臺，能夠?qū)Ω鞣N數(shù)據(jù)源、組件、算法、模型和評估模塊進行組合，使得算法工程師和數(shù)據(jù)科學(xué)家在其之上能夠方便地進行模型訓(xùn)練、評估和預(yù)測。智能鈦系列產(chǎn)品支持公有云訪問、私有化部署以及專屬云部署。

其中智能鈦機器學(xué)習(xí)平臺TI-ONE是為AI工程師打造的一站式機器學(xué)習(xí)服務(wù)平臺，為用戶提供從數(shù)據(jù)預(yù)處理、模型構(gòu)建、模型訓(xùn)練、模型評估到模型服務(wù)的全流程開發(fā)支持。智能鈦機器學(xué)習(xí)平臺內(nèi)置豐富的算法組件，支持多種算法框架，滿足多種AI應(yīng)用場景的需求。自動化建模（AutoML）的支持與拖拽式任務(wù)流設(shè)計讓 AI 初學(xué)者也能輕松上手。

智能鈦彈性模型服務(wù)TI-EMS是具備虛擬化異構(gòu)算力和彈性擴縮容能力的在線推理平臺，能夠幫助客戶解決模型部署復(fù)雜、資源浪費、手工擴展資源效率低下的問題。

智能鈦工業(yè) AI 平臺TI-Insight是基于智能鈦基礎(chǔ)功能打造的一站式工業(yè)AI平臺方案，包含 AI訓(xùn)練系統(tǒng)和AI推理系統(tǒng)兩個功能組件。

IDC發(fā)布的《中國 AI 云服務(wù)市場（2020 上半年）跟蹤》報告顯示，華為云一站式AI開發(fā)平臺ModelArts位居機器學(xué)習(xí)公有云服務(wù)中國市場份額第一位，高達29%。

華為云一站式AI開發(fā)平臺ModelArts在行業(yè)用戶中的主動提及率非常高。

4 機器學(xué)習(xí)已成為企業(yè)數(shù)字化轉(zhuǎn)型的重要方向

根據(jù)IDC的數(shù)據(jù)，當(dāng)前40%的企業(yè)數(shù)字化轉(zhuǎn)型項目都會運用人工智能技術(shù)，目前來看最主要是機器學(xué)習(xí)技術(shù)。

在這個時代，人工智能與各行業(yè)融合成為一大發(fā)展趨勢，可以說人工智能迎來技術(shù)落地的最好時期?？梢哉f，善于利用人工智能技術(shù)應(yīng)用的企業(yè)將會迎來新一輪發(fā)展紅利。

越來越多的行業(yè)用戶會基于業(yè)務(wù)需求，利用組織內(nèi)部的人才、數(shù)據(jù)等資源，把人工智能嵌入到業(yè)務(wù)流程或用戶界面，給客戶帶來超個性化體驗。

一方面，企業(yè)的數(shù)據(jù)量的增長速度比預(yù)測得要快。專家報告說，世界上90%的數(shù)據(jù)是在過去兩年內(nèi)產(chǎn)生的。由社交媒體和流媒體內(nèi)容、智能家居和可穿戴設(shè)備、數(shù)碼照片和視頻、商業(yè)信息和網(wǎng)上購物等應(yīng)用批量生產(chǎn)數(shù)據(jù)，將產(chǎn)生比過去30年更多的數(shù)據(jù)。

IDC數(shù)據(jù)顯示，從2010年至2020年，全球產(chǎn)生的數(shù)據(jù)量增長率接近5000%，過去所謂的"大數(shù)據(jù)"正在被重新定義。

另一方面，擁有所有這些數(shù)據(jù)并不意味著用戶會自動獲得知識。捕獲正確的數(shù)據(jù)，使用復(fù)雜的分析平臺，并利用數(shù)據(jù)創(chuàng)造價值，這就是機器學(xué)習(xí)發(fā)展的基礎(chǔ)。

IDC表示，超大規(guī)模計算、5G通信、工業(yè)物聯(lián)網(wǎng)（IIoT）、人工智能/機器學(xué)習(xí)（AI/ML）等顛覆性技術(shù)，為更好的激活數(shù)據(jù)價值提供工具。

云計算掃清了廣大企業(yè)應(yīng)用人工智能和機器學(xué)習(xí)的障礙，以此推動企業(yè)數(shù)字化轉(zhuǎn)型。

目前，最有能力接受數(shù)字化轉(zhuǎn)型的行業(yè)是那些以數(shù)字為先的行業(yè)，如互聯(lián)網(wǎng)公司、電信公司等。

那些以數(shù)據(jù)驅(qū)動決策為核心的傳統(tǒng)公司，如制藥公司、金融公司、航空公司、制造企業(yè)等正利用機器學(xué)習(xí)等AI技術(shù)實現(xiàn)數(shù)字化轉(zhuǎn)型，打造更具競爭力的新優(yōu)勢。

看來，在數(shù)字化轉(zhuǎn)型方面，AI技術(shù)不會缺席，并可能帶動數(shù)字化升級。