原標題：那么多公司搞機器學習，為什么沒幾個見效?

編者按：機器學習聽上去似乎高大上，非得要鉆研很久才能有所建樹，但其實，絕大多數(shù)人都混淆了機器學習研究和機器學習應用的概念。本文作者Cassie Kozyrkov，原文標題Why businesses fail at machinelearning。

我想告訴你一個秘密：當人們說“機器學習”時，聽起來好像只是一門學科。但其實不然，你還得考慮它在研究和應用兩個方面的差別。如果企業(yè)不知道這個秘密的話，它們難免會陷入麻煩的境地。

機器學習的誤區(qū)

說道機器學習，那些企業(yè)犯的錯誤就像是雇一個廚師給你做烤箱，或者找個電氣工程師幫你烤面包一樣。

如果你開了一家面包店，雇個經驗豐富的面包師來做面包和糕點自然不錯。當然，你還需要一個烤箱，雖然它是關鍵的工具，但我打賭你不會讓頂級糕點師造一個烤箱出來，那么，為什么你的公司只關注機器學習中的機器呢?

你是做面包，還是做烤箱?

這些是不同的企業(yè)!太多的機器學習項目失敗了，因為團隊根本不知道自己該造烤箱、食譜還是面包。

機器學習研究

它們沒有告訴你的是，所有這些機器學習課程和教科書都是關于如何造烤箱(還有微波爐，攪拌機，烤面包機，水壺之類的)，而不是如何烹飪和創(chuàng)新食譜。

如果你建立起了機器學習算法，那么你的關注點就是人么可以使用的特定工具(即廚房用具)，這項業(yè)務被稱為機器學習研究，通常是在像學術界或谷歌這樣的地方完成的。

當涉及到機器學習時，許多組織都陷入了錯誤的境地。

從事這一行需要大量的教育。一些流行的算法已經存在了幾個世紀。例如，最小二乘方法發(fā)表于1805年。相信我，人類在200年內還取得了不少新成果。

如今，市面上有一些相當先進的設備……如果你不知道某臺微波爐是如何工作的，你怎么才能造一臺更好的微波爐呢?成為一名研究人員需要花費數(shù)年的時間，學習得從基礎開始。

應用機器學習

大多數(shù)企業(yè)只是想要烹飪——解決他們的商業(yè)問題。他們對銷售微波爐毫無興趣，但卻在制造微波爐。沒辦法，誰讓現(xiàn)在的重點全集中在研究上而不是應用上呢。

如果你在創(chuàng)新食譜，就別操心微波爐的事兒了。如果建立你機器學習廚房聽起來像一件苦差事，那么谷歌云平臺這樣的供應商可以讓你用它們的，包括設備、配料和食譜。

對于大多數(shù)應用程序，你不需要了解原理，正如廚師不需要了解微波爐的接線圖一樣。但如果你打算經營一個具有產業(yè)規(guī)模的廚房，那你確實需要知道很多事情，從管理原料到在上菜前檢查你的菜肴是否好吃。

你在銷售哪一種呢?你的回答決定了你該雇傭什么樣的團隊

應用的謬誤

不幸的是，我看到很多企業(yè)未能從機器學習中獲得什么價值，因為它們沒有意識到應用方面與研究方面截然不同。領導者雇傭的是那些一輩子都在做微波爐但卻從來沒有下過廚房的人。

一個人一生中只有這么多的時間，如果你花時間去學習微波爐的內在原理的，你就沒有那么多時間去掌握制作糕點或經商的藝術了。如果你一心想找到在烹飪和算法兩方面都是專家的混合型人才，難怪你會抱怨人才短缺!

如果你想要開一家餐館，卻雇了那些一輩子都在做微波爐，但從來沒有做過一道菜的人……你覺得會不會出問題?

你應該雇傭誰呢?就像在工業(yè)廚房一樣，你需要一個跨學科的團隊和理解這個團隊的管理者。否則，項目就會失敗，毫無進展。

雇用正確的人員和團隊

如果你在銷售尖端設備，請雇傭研究人員。如果你在琢磨新食譜，請找懂行的人做飯。決策者和產品經理設定目標，領域專家了解供應商和客戶，數(shù)據(jù)工程師和分析師處理數(shù)據(jù)，統(tǒng)計人員檢查配方的質量和服務，項目經理保證團隊的凝聚和項目的落地。雖然上述人士不必是單獨的個體，但要確保每個角色都包含在團隊中。

如果團隊已經嘗試了所有現(xiàn)有的工具，卻沒法制定出滿足你業(yè)務目標的食譜，那么你還得考慮繼續(xù)增加人手。你是直接雇傭專業(yè)人士，還是把工作外包給有經驗的算法研究公司，這取決于你的經營規(guī)模和成熟度。

智能決策(Decision intelligence)

這個問題本該引起專家們的重視，但它沒有。所以行業(yè)內的人都在構建這些算法，而不是應用這些算法。

我的團隊正在努力解決這個問題。我們創(chuàng)建了一個新的學科來覆蓋應用領域，我們已經培訓了超過15000名員工。我們稱之為智能決策工程(decision intelligence engineering)，它涵蓋了機器學習和數(shù)據(jù)科學的所有應用方面。

換句話說，如果研究機器學習是制造微波爐，而應用機器學習是使用微波路，那么智能決策工程就是安全地使用微波爐或者其他工具來實現(xiàn)你的目標。

最后的話

當涉及到應用機器學習時，最困難的部分是知道你想做什么，以及你打算如何在提供給客戶之前檢查它。這部分其實并不難，但千萬別忽視。

至于其他方面，用機器學習解決業(yè)務問題比大多數(shù)人想象的要容易得多。每次我遇到那些以為自己需要參加傳統(tǒng)的機器學習算法課程的人時，我都不禁在想他們拒絕使用微波爐，直到自己造一個出來。說什么需要一個博士學位才能在機器學習方面有所建樹的，都是胡說八道。你其實真正需要的，只不過是一點人類的創(chuàng)造力罷了。

關鍵詞： 機器 公司