【IT168 评论】机器学习领域仍处于起步阶段，有许多所谓的专家不过是读了几本书或者开了几个在线课程，就突然火了起来，许多顶尖的技术公司也收集了大批可能经验丰富的机器学习人才，准备开发AI经济。其他一些小企业受到机器学习的影响，以及有一颗想成为独角兽的野心，也纷纷迈入这场战争。在2017年，整个ML生态系统可能开始回归正确的轨道。

　　对于一些企业来说，2017年的机器学习市场可能是多云笼罩的情况，但可以通过一些措施窥探到阳光。更直接地说，企业需要越过AI概念的炒作阶段，找到将机器学习纳入其操作的实用方法。这需要认真决策，选择一个合适的内部平台，这将有助于利用专有数据集建立一些项目。机器学习这条路不可避免，但重要的是通过相关工作最终对社会经济产生影响。

　　从企业消化，采纳和利用机器学习深入实践的结果来看，对于许多企业来说这是一个非常糟糕的旅程。目前为止，很少有人可以优雅地走完这条路。BigML比较了各种“专家”言论，给出了它们对2017年机器学习领域的预测。

　　在预测之前，我们必须注意到2016年是很特别的一年，即便各大厂商争得如火如荼，但全球最具价值的公司前五名全部都是老牌的科技公司。这五大公司都具有大规模的网络效应，复杂的分析技术和庞大的数据中心。在过去这一年，他们一直试图使机器学习成为他们未来发展的新支点，技术部门在公司的主导地位越来越明显，这将使企业在世界经济的数字化浪潮中受益匪浅。

　　这之中有一些传统公司(即拥有丰富数据的非技术公司，以及小型科技公司)努力消除技术壁垒试图成为全球经济价值链的一个组成部分...但对这些公司而言，不仅仅是生存，而是要成长!最新一期的麦肯锡报告《分析时代：数据驱动世界的竞争力》中显示目前现代分析技术的潜力仅有30%得以实现，更糟糕的是，各行业之间的进展非常不平衡。

　　这意味着2017年将会有更多的传统公司加入机器学习之旅，聪明的人应该学会从别人的错误中分离出自己，所以让我们来看一下2017年的机器学习领域有哪些趋势：

　　PREDICTION 1 大数据预测是机器学习的门户

　　聪明的公司早已学会运用大数据来解决问题，以满足他们对技术复杂性的要求，通过数据分析对趋势、方案进行决策将是机器学习最基本的应用。

　　PREDICTION 2 风投更看重基于算法的初创公司

　　风投将更看重基于算法的初创公司，尤其是近两年基于学术成果创业的公司越来越多，如何将研究成果市场化是这些初创公司要进一步考虑的。同时，有些问题可能也会继续存在，比如将机器学习认为是深度学习的同义词，错误地理解机器学习算法与机器学习模型之间的差异等。但不管怎么说，VC社区似乎正在唤醒机器学习的潜力。

　　PREDICTION 3 机器学习人才将越来越多

　　机器学习领域正在受到媒体的疯狂追捧，其中的年轻学者尤为受到关注，最终很可能被上述投资者资助。很多公司会发现很难在算法上与其他公司竞争，因为只有很少的算法可以在实践中真正市场化。大多数情况下，这些人才只是被收入公司的机器学习团队，公司大肆招收机器学习人才会给外人造成一种该公司正在加紧进行AI产品研制的错觉。

　　PREDICTION 4 幻灯片上的机器学习计划将以呜咽声结束

　　面对新的技术趋势，传统的公司高管一般会选择从咨询公司获取帮助，最后拿到一些看起来很合理的分析策略。实际工作中，又发现很难实现，这是因为分析策略必须是基于正确的数据架构和灵活的基础计算设施，当然更重要的是，机器学习领域每天似乎都有新进展，那些停留在幻灯片上的想法，很快就会过时。

　　PREDICTION 5 深度学习领域的商业成功案例将不再是几个

　　要说深度学习最显著的研究成果，可能就是AlphaGo了，这也将继续引起媒体的兴趣。然而，它在实践中的进步，比如语音识别和图像理解方面的进步，才是真正值得关注的驱动力，企业可以在合适的位置应用这些逐渐成熟的技术。但深度学习领域缺乏重要的研究突破，这可能是目前大多数传统企业尝试深度学习之后得出的结论。

　　PREDICTION 6 探索不确定性将为机器学习上升新高度铺平道路

　　机器学习只是AI的一小部分。对机器学习过多的关注和由此带来的不确定性可能会导致更多的初创公司诞生，学习和探索的过程就是灵感迸发的过程。Facebook的马克·扎克伯格在了解机器学习的过程中，花了近一年时间编写了个人助理“Jarvis”。

　　PREDICTION 7 人类仍将是决策的核心

　　一些简单的和基于算法或数据的决策可能会由机器学习来做，但人类仍然是决策的核心。由于监管框架的不健全，管理方法的创新，终端客户的复杂性以及对高质量体验的需求不同，需要过一段时间企业才能创建出真正的智能系统。同时一些企业也慢慢学会信任模型，因为他们意识到算法在许多情况下确实可以胜过人类。

　　PREDICTION 8 敏捷机器学习将实现

　　一个更实用，更敏捷的机器学习方法将在明年实现。企业数据团队可以仔细挑选算法，使用抽样数据集解决问题，并且这一过程具有良好的信噪比。企业将不再受数据访问和复杂的工具部署的束缚，不仅可以改进其核心操作，而且可以考虑用于更高风险操作的预测，这些概念可以作为全新收入流的推动因素。

　　PREDICTION 9 MLaaS平台将成为企业的“AI骨干”

　　MLaaS平台将成为机器学习的骨干，由于在MLaaS基础设施上构建的新一轮应用程序，商业机器学习将变得更便宜。特别是云机器学习平台将通过以下方式使机器学习民主化：

　　1、通过消除复杂性或前端供应商合同大大降低成本

　　2、提供预先配置的框架，包装最有效的算法

　　3、从最终用户提取基础架构设置和管理的复杂性

　　4、通过REST API和绑定提供轻松集成，工作流自动化和部署选项。

　　PREDICTION 10 公司将引入更多的数据科学家和机器学习开发人员

　　2017年将是机器学习人才最紧俏的一年，数以亿计的企业在努力打破人才瓶颈，开发人员将开始在MLaaS平台上快速构建和扩展应用程序，这些应用程序可以更好地抽象出细节(例如，集群配置和管理，监视和分发等)。开发人员只需要一个精心设计和记录良好的API，而不是只知道LR解析器是如何编译和执行Java代码的。

　　我们仍处于“分析时代”的早期阶段，我们对机器学习应该保持冷静，并继续努力使其成为企业业务实践的非常好的炼金术。