三種最佳實(shí)踐來應(yīng)對(duì)機(jī)器學(xué)習(xí)和人工智能帶來的挑戰(zhàn)

2016年，“機(jī)器學(xué)習(xí)”還只是被Gartner 視為一個(gè)“流行詞”，到如今，它已發(fā)展成為幾乎所有 IT 人士都在思考、探索或執(zhí)行的一件事。毫無疑問，基于數(shù)據(jù)的分析和預(yù)測(cè)（機(jī)器從信息資源中學(xué)習(xí)，然后通知業(yè)務(wù)部門及其他部門并影響其行動(dòng)）已經(jīng)是當(dāng)今迅速增長(zhǎng)的最新、最熱門的技術(shù)領(lǐng)域之一。但對(duì)于那些正在進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域的參與者來說，理想和現(xiàn)實(shí)之間仍無法平衡；正如每個(gè)不斷發(fā)展的新興事業(yè)一樣，基礎(chǔ)設(shè)施之水既能載舟，亦能覆舟。

Gartner已經(jīng)確定了三種主要的最佳實(shí)踐，基礎(chǔ)設(shè)施和運(yùn)營領(lǐng)導(dǎo)者在幫助所在組織準(zhǔn)備應(yīng)對(duì)機(jī)器學(xué)習(xí) (ML) 和人工智能 (AI) 帶來的挑戰(zhàn)時(shí)，可以考慮采用這三種最佳實(shí)踐：

1. 采用模塊化訪問，實(shí)現(xiàn)高效的數(shù)據(jù)管道——根據(jù) Gartner 的研究，“最終用戶表示，在典型項(xiàng)目中，數(shù)據(jù)準(zhǔn)備和管理占去了將近 75% 到 85% 的機(jī)器學(xué)習(xí)管道?！苯ㄗh在整個(gè)組織內(nèi)執(zhí)行更有效的數(shù)據(jù)清理、轉(zhuǎn)換和整合。

2. 制定高效的機(jī)器學(xué)習(xí)模型交付策略——該評(píng)論指出：“I&O 領(lǐng)導(dǎo)者可以通過訪問模型、功能和預(yù)測(cè)存儲(chǔ)庫來顯著加快其機(jī)器學(xué)習(xí)管道的速度?！边@有助于縮小實(shí)驗(yàn)級(jí)和生產(chǎn)級(jí)系統(tǒng)之間的資源差距。

3. 提供可擴(kuò)展的計(jì)算基礎(chǔ)設(shè)施——Gartner 指出：“機(jī)器學(xué)習(xí)管道中的第二大時(shí)間密集型部分通常是模型工程設(shè)計(jì)階段?！蓖瑯樱ㄗh采取的措施是針對(duì)需要聚集的核心參與者，將數(shù)據(jù)科學(xué)家、業(yè)務(wù)專家和軟件工程師的最佳技能結(jié)合起來，實(shí)現(xiàn)協(xié)作并推動(dòng)“跨團(tuán)隊(duì)的機(jī)器學(xué)習(xí)理念”。

如果具體情形難度相當(dāng)，通常需要權(quán)衡生產(chǎn)時(shí)間和準(zhǔn)確性以及提供組織范圍的機(jī)器學(xué)習(xí)策略，而且往往要橫跨包括公共、私有、數(shù)據(jù)庫、大數(shù)據(jù)生態(tài)系統(tǒng)、傳統(tǒng)數(shù)據(jù)存儲(chǔ)等在內(nèi)的多個(gè)孤立的數(shù)據(jù)源進(jìn)行。