機器學(xué)習(xí)將帶給企業(yè)哪些好處

隨著一些公司競相利用機器學(xué)習(xí)技術(shù)來賺錢，而這些機器學(xué)習(xí)技術(shù)側(cè)重于教授機器人更像人類那樣工作，而許多公司也正在努力解決如何利用人工智能和智能設(shè)備的問題。

隨著一些公司競相利用機器學(xué)習(xí)技術(shù)來賺錢，而這些機器學(xué)習(xí)技術(shù)側(cè)重于教授機器人更像人類那樣工作，而許多公司也正在努力解決如何利用人工智能和智能設(shè)備的問題。

機器學(xué)習(xí)究竟是面向未來，還是面向您現(xiàn)在的業(yè)務(wù)?這是一個許多企業(yè)領(lǐng)導(dǎo)者都在問的問題，因為每天都有人工智能和機器學(xué)習(xí)的新情況推動著我們對技術(shù)認(rèn)知的邊界。最近一個震撼的例子是，在5月8日谷歌公司演示了其“谷歌智能助理”預(yù)訂美發(fā)沙龍和餐廳的場景，其可進行清晰地會話，這既令人振奮又令人不安。許多企業(yè)領(lǐng)導(dǎo)者會產(chǎn)生恐慌，這是可以理解的。如果機器可以如此快速地學(xué)習(xí)，那么在利用機器學(xué)習(xí)方面，我們的企業(yè)現(xiàn)在有多落后?

好消息這才剛剛開始

盡管谷歌公司的部分工作是特立獨行的，是先進技術(shù)的萌芽，但是大多數(shù)首席信息官都負(fù)責(zé)提供可帶來業(yè)務(wù)成果的解決方案。除了那些競相制造自動駕駛汽車或引領(lǐng)全球人臉識別系統(tǒng)的公司之外，很少有公司知道如何通過機器學(xué)習(xí)來賺錢，而該機器學(xué)習(xí)技術(shù)側(cè)重于教授機器人更像人類那樣工作。盡管如此，在人工智能和機器學(xué)習(xí)領(lǐng)域仍有大量的投資。國際數(shù)據(jù)公司(IDC)預(yù)測，到2021年，對認(rèn)知和人工智能系統(tǒng)的投資將增長到超過5200萬美元。

目前讓機器做其本職工作

首席信息官應(yīng)將他們對機器學(xué)習(xí)技術(shù)上的預(yù)算和愿景重點放在哪里?首席信息官們可以且應(yīng)該更多地利用計算機所具備的某些非人類能力，而不是尋找一些讓技術(shù)更像人類行為的方法。例如，當(dāng)今的計算機可以以毫秒為單位處理和分析大型復(fù)雜的數(shù)據(jù)集。將機器學(xué)習(xí)能力添加到這種龐大而快速的分析能力中，突然之間你就擁有了一個商業(yè)智能(BI)工具，可以抓取不斷增長的且復(fù)雜的業(yè)務(wù)數(shù)據(jù)，觀察其趨勢，分析所找到的內(nèi)容并提供見解和潛在解決方案。

商業(yè)智能才是工作重點

現(xiàn)在商業(yè)智能能夠?qū)⒋髷?shù)據(jù)分析工作與機器學(xué)習(xí)功能結(jié)合起來，在這方面我們看到多個不同行業(yè)對人工智能進行戰(zhàn)略性嘗試。以下是幾個例子，講述機器學(xué)習(xí)技術(shù)如何在多個行業(yè)中得到使用：

? 金融服務(wù)業(yè)：金融服務(wù)業(yè)是一個擁有大量數(shù)據(jù)的行業(yè)。每筆客戶交易和每次客戶互動都會產(chǎn)生數(shù)據(jù)，這些數(shù)據(jù)可進行分析以提高服務(wù)質(zhì)量和滿意度。利用機器學(xué)習(xí)技術(shù)，金融機構(gòu)可以觀察客戶行為模式，包括消費、儲蓄和投資等，分析其趨勢并提供定制的理財建議和產(chǎn)品。

? 零售業(yè)：網(wǎng)上零售商以收集和利用客戶數(shù)據(jù)的能力而聞名，從而達(dá)到銷售最大化和客戶滿意度的最大化。隨著零售商希望借助商業(yè)智能和智能設(shè)備來迅速確定何時何地最適合推出折扣優(yōu)惠，更換產(chǎn)品或修改定價，這類信息的收集和學(xué)習(xí)正在零售業(yè)方方面面不斷擴大。您可以從優(yōu)步(Uber)和Lyft等公司的動態(tài)定價上看到這一點，他們利用天氣、交通和事件數(shù)據(jù)來實時確定定價。商業(yè)智能工具將繼續(xù)被更加深入和廣泛地使用，用于尋找跨地域的、跨時間段的和跨人口統(tǒng)計的購買趨勢，并幫助企業(yè)更好地了解和預(yù)測其客戶。

? 醫(yī)療保健領(lǐng)域：在醫(yī)療保健領(lǐng)域，深度學(xué)習(xí)算法正在幫助醫(yī)療診斷工作。例如，斯坦福德開發(fā)出一種算法，能夠通過所獲取的數(shù)據(jù)和圖像進行學(xué)習(xí)以診斷皮膚癌。在醫(yī)療領(lǐng)域的很多方面，電腦正在接受訓(xùn)練，以學(xué)習(xí)影像并確定潛在問題和異常情況。算法也開始對不同來源(實驗室、科研機構(gòu)和研究成果)的數(shù)據(jù)集進行梳理以改進臨床試驗和藥物開發(fā)，從而幫助識別其中的成功因素和/或潛在問題。

智能設(shè)備就在這里

雖然智能設(shè)備可能還沒有開始幫我們駕駛汽車和建造房屋，但它們正在努力將我們所獲得的數(shù)據(jù)轉(zhuǎn)化為我們所需要的答案。對于那些想知道從哪里開始使用機器學(xué)習(xí)的商業(yè)領(lǐng)導(dǎo)者來說，答案就在這個問題之中。你的企業(yè)想要解答的最難問題有哪些?如果是對數(shù)據(jù)進行探索，那么智能設(shè)備和商業(yè)智能工具就可以幫助您的企業(yè)找到答案。