型科技公司通常擁有許多頂尖的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)科學(xué)家和工程師，多年來(lái)一直在研究新的算法并將其應(yīng)用到他們的產(chǎn)品中。由于麥肯錫報(bào)告中強(qiáng)調(diào)的發(fā)展，更多的組織可以在他們的應(yīng)用程序中采用機(jī)器學(xué)習(xí)模型，并為他們的客戶和用戶帶來(lái)好處。

應(yīng)用機(jī)器學(xué)習(xí)的挑戰(zhàn)

近十年來(lái)，人們對(duì)人工智能的主流興趣有所復(fù)蘇和增長(zhǎng)，這主要?dú)w功于深度神經(jīng)網(wǎng)絡(luò)執(zhí)行以前被認(rèn)為超出計(jì)算機(jī)能力的任務(wù)。在同一時(shí)期，機(jī)器學(xué)習(xí)研究社區(qū)在人工智能的一些挑戰(zhàn)性領(lǐng)域取得了令人印象深刻的進(jìn)展，包括計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理。

機(jī)器學(xué)習(xí)的科學(xué)突破之所以成為可能，很大程度上是因?yàn)槭占⒋鎯?chǔ)和訪問(wèn)不同領(lǐng)域數(shù)據(jù)的能力不斷增強(qiáng)。與此同時(shí)，處理器和云計(jì)算的進(jìn)步使得以以前認(rèn)為不可能的速度和規(guī)模訓(xùn)練和運(yùn)行神經(jīng)網(wǎng)絡(luò)成為可能。

在深度學(xué)習(xí)取得一些里程碑式的成就之后，新聞周期宣傳(往往夸大)了當(dāng)代人工智能的能力。今天，許多公司試圖將自己表現(xiàn)為“AI優(yōu)先，“或者推銷他們的產(chǎn)品使用深度學(xué)習(xí)領(lǐng)域最新最棒的技術(shù)。

然而，將從研究實(shí)驗(yàn)室?guī)У綄?shí)際產(chǎn)品中存在幾個(gè)挑戰(zhàn)，這就是為什么大多數(shù)機(jī)器學(xué)習(xí)策略都失敗了。與傳統(tǒng)軟件相比，創(chuàng)建和維護(hù)使用機(jī)器學(xué)習(xí)的產(chǎn)品需要不同的基礎(chǔ)設(shè)施、工具和技能。組織需要數(shù)據(jù)湖來(lái)收集和存儲(chǔ)數(shù)據(jù)，需要數(shù)據(jù)工程師來(lái)建立、維護(hù)和配置數(shù)據(jù)基礎(chǔ)設(shè)施，使訓(xùn)練和更新模型成為可能。他們需要數(shù)據(jù)科學(xué)家和工程師來(lái)準(zhǔn)備為他們的應(yīng)用提供動(dòng)力的數(shù)據(jù)和模型。他們需要分布式計(jì)算專家，使模型以省時(shí)、經(jīng)濟(jì)的方式大規(guī)模運(yùn)行。他們需要能夠使ML系統(tǒng)適應(yīng)他們的商業(yè)模式的產(chǎn)品經(jīng)理和能夠?qū)L管道集成到他們的產(chǎn)品中的軟件工程師。

隨之而來(lái)的數(shù)據(jù)、硬件和人才成本企業(yè)人工智能對(duì)于較小的組織來(lái)說(shuō)，在策略上進(jìn)行長(zhǎng)期投資通常過(guò)于困難。

應(yīng)用人工智能的發(fā)展

該報(bào)告根據(jù)五個(gè)可量化的指標(biāo)對(duì)技術(shù)趨勢(shì)進(jìn)行了排名:搜索引擎查詢、新聞出版物、專利、研究出版物和投資。值得注意的是，這種定量測(cè)量并不總是描繪出趨勢(shì)相關(guān)性的最準(zhǔn)確的畫面。但是隨著時(shí)間的推移跟蹤它們可以很好地估計(jì)一項(xiàng)技術(shù)是如何經(jīng)歷宣傳、采用和生產(chǎn)力循環(huán).

通過(guò)調(diào)查和采訪來(lái)自20個(gè)不同行業(yè)的專家進(jìn)一步證實(shí)了它的發(fā)現(xiàn)，這更好地描述了機(jī)遇和挑戰(zhàn)。

并沒(méi)有完全解釋資本市場(chǎng)目前正在經(jīng)歷的低迷。根據(jù)研究結(jié)果，除了“搜索引擎查詢”類別(這是一個(gè)灰色區(qū)域，因?yàn)槿斯ぶ悄苄g(shù)語(yǔ)和趨勢(shì)在不斷發(fā)展)，應(yīng)用人工智能在所有可量化的指標(biāo)上都有所增長(zhǎng)。(衡量投資也非常主觀，取決于你如何定義“應(yīng)用人工智能”——例如，如果一家獲得巨額融資的公司將機(jī)器學(xué)習(xí)作為其產(chǎn)品的一小部分，這是否會(huì)算作對(duì)應(yīng)用人工智能的投資?)

就行業(yè)相關(guān)性而言，報(bào)告中提到的一些應(yīng)用程序包括推薦引擎、檢測(cè)和預(yù)防和時(shí)間序列分析，如管理價(jià)格波動(dòng)、需求預(yù)測(cè)等用例。有趣的是，這些是算法已經(jīng)發(fā)展多年的機(jī)器學(xué)習(xí)領(lǐng)域。雖然在用例中只提到過(guò)一次計(jì)算機(jī)視覺(jué)，但是一些應(yīng)用可能會(huì)從中受益。

該報(bào)告還提到了機(jī)器學(xué)習(xí)的一些更高級(jí)的領(lǐng)域，如生成式深度學(xué)習(xí)模型(例如，自動(dòng)駕駛汽車的模擬引擎，生成化學(xué)化合物)，變壓器型號(hào)(例如，藥物發(fā)現(xiàn))，圖形神經(jīng)網(wǎng)絡(luò)和機(jī)器人技術(shù)。

這進(jìn)一步推動(dòng)了一點(diǎn)，即采用應(yīng)用人工智能的主要障礙不是糟糕的機(jī)器學(xué)習(xí)算法，而是缺乏工具和基礎(chǔ)設(shè)施來(lái)有效使用眾所周知和經(jīng)過(guò)測(cè)試的算法。這些制約因素限制了應(yīng)用人工智能在沒(méi)有大量資源和渠道的公司中的使用稀缺的機(jī)器學(xué)習(xí)人才.

近年來(lái)，在這些方面取得了巨大的進(jìn)展。與此同時(shí)，服務(wù)基礎(chǔ)的數(shù)據(jù)存儲(chǔ)技術(shù)已經(jīng)發(fā)展得更加靈活、可互操作和可伸縮。與此同時(shí)，一些企業(yè)人工智能公司已經(jīng)開始開發(fā)和提供特定行業(yè)的解決方案。

所有這些發(fā)展都減少了在其商業(yè)模式中采用機(jī)器學(xué)習(xí)的財(cái)務(wù)和技術(shù)障礙。在許多情況下，公司可以將服務(wù)集成到他們的應(yīng)用程序中，而無(wú)需深入了解后臺(tái)運(yùn)行的算法。

根據(jù)麥對(duì)行業(yè)專家的調(diào)查，56%的受訪者表示他們的組織已經(jīng)采用了人工智能，高于調(diào)查的50%。表明，采用人工智能可以帶來(lái)經(jīng)濟(jì)效益:27%的受訪者將他們公司5%或更多的歸功于人工智能。

研究進(jìn)展

報(bào)告中包含的第二個(gè)人工智能相關(guān)技術(shù)趨勢(shì)是“機(jī)器學(xué)習(xí)的產(chǎn)業(yè)化”。這是一個(gè)模糊的術(shù)語(yǔ)，與應(yīng)用人工智能類別有很多重疊，因此該報(bào)告將其定義為“一個(gè)可互操作的技術(shù)工具棧，用于自動(dòng)并擴(kuò)大其使用，以便組織可以實(shí)現(xiàn)其全部潛力。”

這一領(lǐng)域的進(jìn)步所基于的技術(shù)與導(dǎo)致應(yīng)用人工智能發(fā)展的技術(shù)(更好的數(shù)據(jù)存儲(chǔ)平臺(tái)、硬件棧、開發(fā)工具和平臺(tái)等)然而，近年來(lái)取得令人印象深刻發(fā)展的一個(gè)特定領(lǐng)域是機(jī)器學(xué)習(xí)操，這是一套簡(jiǎn)化模型的培訓(xùn)、部署和維護(hù)的工具和實(shí)踐。

平臺(tái)提供了管理、處理和標(biāo)記數(shù)據(jù)的工具;訓(xùn)練和比較不同的機(jī)器學(xué)習(xí)模型;數(shù)據(jù)集和模型的版本控制;部署模型并監(jiān)控其性能;并且隨著模型的性能衰退、環(huán)境變化以及新數(shù)據(jù)變得可用而更新模型。越來(lái)越多和越來(lái)越成熟的平臺(tái)將以前以特別方式拼命執(zhí)行的幾個(gè)不同任務(wù)結(jié)合在一起。

根據(jù)該報(bào)告，機(jī)器學(xué)習(xí)的產(chǎn)業(yè)化“可以將應(yīng)用的生產(chǎn)時(shí)間框架縮短90%(從概念證明到產(chǎn)品)，并將開發(fā)資源減少40%。”

企業(yè)人工智能仍然面臨挑戰(zhàn)

盡管應(yīng)用人工智能取得了進(jìn)步，但該領(lǐng)域仍有一些差距需要彌合。報(bào)告指出，人才和資金等資源的可用性仍然是企業(yè)人工智能進(jìn)一步發(fā)展的兩個(gè)障礙。目前，資本市場(chǎng)處于低迷狀態(tài)，包括人工智能在內(nèi)的所有行業(yè)都面臨著為初創(chuàng)公司和公司融資的問(wèn)題。

然而，盡管人工智能資本的蛋糕越來(lái)越小，但資金并沒(méi)有完全停止。根據(jù)一份告，已經(jīng)實(shí)現(xiàn)產(chǎn)品/市場(chǎng)匹配并準(zhǔn)備積極增長(zhǎng)的公司仍在設(shè)法獲得巨額融資。這表明，沒(méi)有利潤(rùn)來(lái)啟動(dòng)新的戰(zhàn)略的公司將很難獲得外部資金。但是已經(jīng)壟斷了市場(chǎng)份額的應(yīng)用平臺(tái)將繼續(xù)吸引投資者的興趣。

報(bào)告提到的另一個(gè)重要挑戰(zhàn)是數(shù)據(jù)風(fēng)險(xiǎn)和漏洞。對(duì)于應(yīng)用機(jī)器學(xué)習(xí)來(lái)說(shuō)，這正成為一個(gè)越來(lái)越重要的問(wèn)題。就像它的開發(fā)生命周期一樣機(jī)器學(xué)習(xí)的安全威脅前景是不同的不同于傳統(tǒng)軟件。大多數(shù)軟件開發(fā)平臺(tái)中使用的安全工具并不是為了檢測(cè)而設(shè)計(jì)的對(duì)立的例子, 數(shù)據(jù)中毒, 成員推理攻擊、以及針對(duì)模型的其他類型的威脅。

幸運(yùn)的是，安全和機(jī)器學(xué)習(xí)社區(qū)正在一起開發(fā)創(chuàng)建安全管道的工具和實(shí)踐。隨著應(yīng)用人工智能的不斷發(fā)展，我們可以預(yù)計(jì)其他行業(yè)將加快采用，這反過(guò)來(lái)將進(jìn)一步加快該領(lǐng)域的創(chuàng)新步伐。