機(jī)器學(xué)習(xí)在企業(yè)級(jí)場(chǎng)景中的實(shí)踐與探討

IBM在機(jī)器學(xué)習(xí)落地中的挑戰(zhàn)和經(jīng)驗(yàn)如下：

挑戰(zhàn)1：企業(yè)級(jí)平臺(tái)——“工欲善其事，必先利其器”

企業(yè)級(jí)機(jī)器學(xué)習(xí)平臺(tái)同任何企業(yè)級(jí)平臺(tái)或者應(yīng)用一樣，首先面臨的是模型的可操作性問題，需接受準(zhǔn)確性、高性能、可重復(fù)性、可測(cè)量性、適應(yīng)性、魯棒性等多方面的考量；其次，當(dāng)模型部署后，還需應(yīng)對(duì)生命周期的管理和協(xié)作問題，包括模型的管理、模型的升級(jí)換代、模型中不同人員間的協(xié)作等等問題。對(duì)此，IBM的策略為結(jié)合新開源軟件、企業(yè)數(shù)據(jù)和IBM特有的企業(yè)軟件經(jīng)驗(yàn)開發(fā)IBM 企業(yè)級(jí)機(jī)器學(xué)習(xí)平臺(tái)，且IBM 數(shù)據(jù)科學(xué)平臺(tái)榮獲了Gartner 和 Forrester 報(bào)告雙料冠軍。

挑戰(zhàn)2：場(chǎng)景——“沒有場(chǎng)景的AI只是空中樓閣”

海量歷史數(shù)據(jù)的場(chǎng)景為王。原因在于：其一，機(jī)器學(xué)習(xí)落地成功的項(xiàng)目與場(chǎng)景的選擇密相關(guān)；其二，機(jī)器學(xué)習(xí)離不開海量數(shù)據(jù)的支持。IBM有許多人工智能助力交通管控、機(jī)器學(xué)習(xí)輔助城市規(guī)劃、機(jī)器學(xué)習(xí)預(yù)測(cè)租房?jī)r(jià)格等多個(gè)場(chǎng)景案例和成果成效。

挑戰(zhàn)3：人才——“AI領(lǐng)域最貴的是人才”

在企業(yè)級(jí)落地機(jī)器學(xué)習(xí)的項(xiàng)目中，人才是一個(gè)非常重要的因素。一方面原因是，機(jī)器學(xué)習(xí)需要人去教會(huì)機(jī)器怎么學(xué)習(xí)，另一方面原因是，企業(yè)人才和技能的儲(chǔ)備不足，而企業(yè)也不會(huì)等真正儲(chǔ)備夠后才開始做項(xiàng)目。在此方面，IBM提供了多種路徑和平臺(tái)，包括認(rèn)知學(xué)堂、IBM機(jī)器學(xué)習(xí)中心及產(chǎn)品案例和應(yīng)用。

人工智能項(xiàng)目在真正落實(shí)的時(shí)候，動(dòng)力和阻力很多時(shí)候是來自于技術(shù)之外的，包括組織架構(gòu)、思想、企業(yè)文化層面。第一，從技術(shù)的角度而言，人工智能已經(jīng)到了一個(gè)可以嘗試性的解決很多問題的階段,但是不能低估人工智能在實(shí)驗(yàn)室和企業(yè)級(jí)客戶當(dāng)中作為項(xiàng)目落地兩者之間的差別。第二,在機(jī)器學(xué)習(xí)項(xiàng)目落地過程中，很多非技術(shù)的東西在影響著項(xiàng)目的成敗，需從頂層設(shè)計(jì)之時(shí)加以考慮。