在人工智能方面，該行業(yè)正處于魅力與功能的交叉點(diǎn)。我們對(duì)這項(xiàng)技術(shù)感到敬畏，但是一些力量正在密謀最大限度地減少我們正在取得的進(jìn)展，特別是在企業(yè)中。有一些人堅(jiān)決試圖解決這個(gè)問(wèn)題。其中之一是希拉里·梅森，Cloudera的機(jī)器學(xué)習(xí)總經(jīng)理。

Mason之前擔(dān)任Bitly的首席數(shù)據(jù)科學(xué)家，后者是快速實(shí)驗(yàn)室的創(chuàng)始人兼首席執(zhí)行官，Cloudera于2017年收購(gòu)了Fast Forward Labs。盡管Fast Forward仍然作為Cloudera的一個(gè)部門(mén)存在并且正在做非常重要的工作，但梅森的角色使她成為AI的負(fù)責(zé)人。在Cloudera整體而言。由于幾個(gè)原因，這是一個(gè)強(qiáng)大的地方。一個(gè)是Cloudera最近與Hortonworks的合并使其成為數(shù)據(jù)湖/Hadoop/Spark/ analytics領(lǐng)域無(wú)可爭(zhēng)議的領(lǐng)導(dǎo)者。或許更重要的是，AI是公司的三大核心焦點(diǎn)之一(另外兩個(gè)是Edge和Data Warehousing)。

執(zhí)行意見(jiàn)

憑借這一權(quán)力席位以及她目前和以前的角色所帶來(lái)的經(jīng)驗(yàn)，梅森的大腦是最好的選擇之一，以便了解應(yīng)用AI的運(yùn)作方式，作為商業(yè)努力。我最近有機(jī)會(huì)與梅森交談并做到這一點(diǎn)。而我發(fā)現(xiàn)，雖然梅森對(duì)人工智能真的很樂(lè)觀和興奮，但她認(rèn)為，作為一個(gè)行業(yè)，我們可以做得更好。

梅森說(shuō)人們正在關(guān)注錯(cuò)誤的事情。她堅(jiān)信我們幾乎專(zhuān)注于人工智能技術(shù)，因此，我們未能專(zhuān)注于人工智能實(shí)際可以提供給我們的東西?？偟膩?lái)說(shuō)，梅森說(shuō)我們需要關(guān)注“無(wú)聊”的商業(yè)問(wèn)題，比如優(yōu)惠券和反洗錢(qián)，而不是“冷靜”的事情，比如與我們交談的機(jī)器人。

兩個(gè)陣營(yíng)

更具體地說(shuō)，梅森在該領(lǐng)域描述了一種有些令人震驚的隔離。

一方面，人工智能世界的研究人員正在進(jìn)行突破性的創(chuàng)新工作，但往往處于學(xué)術(shù)界的真空中。研究人員通常不會(huì)與行業(yè)進(jìn)行足夠的合作，并且經(jīng)常使用穩(wěn)定的教學(xué)上常見(jiàn)的數(shù)據(jù)集，這些數(shù)據(jù)集并不總能很好地解決業(yè)務(wù)問(wèn)題。因此，許多人工智能研究工作都被隱藏起來(lái)了。這剝奪了企業(yè)組織研究人員的創(chuàng)新進(jìn)步，而且缺乏來(lái)自現(xiàn)實(shí)世界工業(yè)問(wèn)題的各種數(shù)據(jù)也阻礙了研究人員可以取得的進(jìn)步，即使在這個(gè)隱蔽的領(lǐng)域也是如此。

另一方面，工業(yè)也有其自身的問(wèn)題。如此迷戀人工智能，企業(yè)組織通常采用先花費(fèi)先計(jì)劃的方法。并且，無(wú)法自行引導(dǎo)AI工作，他們也可能讓初創(chuàng)公司為他們工作，其中許多并不是特別穩(wěn)定或資金充足。這種組合導(dǎo)致了令人無(wú)法接受的高項(xiàng)目失敗率，即使對(duì)于被認(rèn)為是成功的項(xiàng)目，這些結(jié)果往往也沒(méi)有達(dá)到潛力。

縮小差距

FastForward Lab(FF)的使命是幫助彌合這一學(xué)術(shù) - 工業(yè)差距和各方的績(jī)效不足。FF這樣做的一種方式是擔(dān)任顧問(wèn)，為企業(yè)客戶(hù)提供有關(guān)他們的數(shù)據(jù)是否具有足夠的質(zhì)量以向前發(fā)展并建立ML或深度學(xué)習(xí)模型的建議。如果數(shù)據(jù)確實(shí)提供了足夠的完整性和功效，那么FF可以幫助將最先進(jìn)的AI應(yīng)用于學(xué)術(shù)界和工業(yè)界。FF還發(fā)布學(xué)術(shù)級(jí)別的報(bào)告，這些報(bào)告來(lái)自與研究人員的對(duì)話以及將研究人員的工作應(yīng)用于真正的商業(yè)環(huán)境的原型的構(gòu)建。

客戶(hù)可以訂閱這些報(bào)告并與FF合作，幫助他們建立數(shù)據(jù)科學(xué)組織。這包括幫助客戶(hù)招募數(shù)據(jù)科學(xué)家人才，以及確定優(yōu)先事項(xiàng)和舉措。FF將通過(guò)可以展示快速結(jié)果和強(qiáng)大投資回報(bào)率的早期計(jì)劃來(lái)指導(dǎo)客戶(hù)，然后可以進(jìn)行更復(fù)雜的工作，風(fēng)險(xiǎn)更高但潛在價(jià)值更高。FF甚至?xí)榭蛻?hù)進(jìn)行機(jī)器學(xué)習(xí)開(kāi)發(fā)工作 - 但所有這些都著眼于幫助客戶(hù)獲得其內(nèi)部數(shù)據(jù)科學(xué)小組 - 而不是在外包的基礎(chǔ)上作為該小組。

AI對(duì)我們其他人?

對(duì)于那些無(wú)法參與FF的人來(lái)說(shuō)，有哪些方法可以讓AI更具可操作性?最近有很多關(guān)于自動(dòng)機(jī)器學(xué)習(xí)(AutoML)作為“民主化”技術(shù)的討論。當(dāng)然，目前有很多數(shù)據(jù)科學(xué)平臺(tái)可供各種公司使用，包括Cloudera。

梅森在哪些方面采用這些技術(shù)?首先，她預(yù)測(cè)AutoML將在幾年內(nèi)商品化。她認(rèn)為它不是商業(yè)用戶(hù)進(jìn)行人工智能的工具，而是作為我們?nèi)匀恍枰寄艿臄?shù)據(jù)科學(xué)家的生產(chǎn)力工具。當(dāng)然，梅森是一名數(shù)據(jù)科學(xué)家，在這一觀點(diǎn)上可能有一些既得利益;AutoML可能對(duì)兩個(gè)群體都有好處，也可能使開(kāi)發(fā)人員受益。

梅森說(shuō)，今天的工具面向技術(shù)數(shù)據(jù)科學(xué)家，而這還不夠 - 因?yàn)閿?shù)據(jù)工程師和管理員也需要成為這個(gè)方程式的一部分。她說(shuō)，Cloudera的雄心壯志遠(yuǎn)遠(yuǎn)超過(guò)了目前的Data Science Workbench產(chǎn)品。因此，也許我們會(huì)看到Cloudera支持這些其他AI工作負(fù)載，也許商品化的AutoML技術(shù)也將受到影響。

船上有“無(wú)聊”

但有一點(diǎn)非常清楚：如果業(yè)界最重要的數(shù)據(jù)科學(xué)家之一認(rèn)為我們必須冷靜了人工智能技術(shù)，那么供應(yīng)商和客戶(hù)應(yīng)該更多地關(guān)注其多產(chǎn)和謹(jǐn)慎的應(yīng)用，而不是其光澤和聲望。

盡管如此，早期創(chuàng)業(yè)公司通常很難做到這一點(diǎn)，因此世界上的Clouderas，Microsofts，Amazons和Google可能會(huì)讓我們更進(jìn)一步。