最近這段時間，機器學習吸引了媒體和從業者大量的關注。的確，機器學習是一種變革性的技術。但是，盡管眾人對這個話題喋喋不休，盡管風投為機器學習提供了許多資金，盡管谷歌讓這個領域變得令人矚目——在核心的技術領袖圈之外，機器學習仍然很少能獲得正確的理解。

這就導致了對于機器學習這一變革性技術的未來的低估，而從商者也會因此無緣于了解他們應該為機器學習時代做好怎樣的準備。

讓我們討論一下這把劍的兩面吧——也就是它的潛力與陷阱。先從定義開始。

機器學習是一種算法，可以從數據中進行學習并作出預測。通常來說，運用這種技術時，越多的數據就能帶來越好的結果。機器學習并不需要明確的規則來生成結果。它不需要人工建構的“如果這樣的話，那么就那樣”之類的結構，而是根據數據自行決定這一切。

機器學習的變革性作用，以及為何它現在如此重要，是因為我們來到了數據、運算能力以及算法復雜度的轉折點。

這三個方面的進展匯合，造就了機器學習的一鳴驚人。這似乎有一些像妄想——為了能夠在現在發生這樣的事，在過去已經籌備了相當長的時間。讓我們仔細看看這三個方面：

數據

新數據庫技術的出現（比如Hadoop）已經讓獲取海量數據的成本降低到令人吃驚的程度，以至于企業不再需要選擇什么數據需要保留、什么數據需要刪除，而是簡單地存儲一切數據。如果數據的價值在今天還不太明顯，不久之后也許人們就會漸漸地意識到這一點。這為對于數據始終貪得無厭的機器學習算法提供了大量的“養分”。

運算能力

運算能力方面的進展仍然在以讓人驚訝的速度持續著。摩爾定律失效的預言已經過去了許多年，而Intel、IBM、Nvidia以及其他機構的研究人員們接二連三地不斷創新，讓摩爾定律一直保持成立、沒有失效。要解決大問題？沒問題，加上幾十或者幾百個核，根據需求來就好。不過，這也有極限，因為不是所有問題都能被這樣暴力破解。

算法復雜度

有趣的是，算法復雜度是與數據和運算相關的。由于這兩個領域的進展，更徹底地探索復雜算法成為了可能。例如拓撲數據分析——它需要運算能力發展到能夠從許多運算角（algorithmic angles）來看待大量數據集。

機器學習的變革性在于，它大幅地降低了高性能結果的運算時間。研究人員們已經在圖像識別問題上花費了數十年的時間，但Google轉向機器學習算法后僅僅幾個季度就高效地在這個問題上做到了完美的表現。考慮到Google擁有的素材數量和團隊的熟練程度，幾乎沒有人有可能在這個領域再勝過Google。

這一類的創新在不少企業都發生著，特別是那些雇傭了絕大多數機器學習人才的公司，包括Google、Facebook、Amazon、Apple、IBM、GE，以及高度專注于顛覆特定應用或是行業的一些初創公司。

這些公司在機器學習方面投資甚巨，這是因為投資能帶來指數級的增長回報。在一個機器學習帶來的指數級增長的世界中，即使只是少了10%的增長也會導致落于人后。而太晚開始的話，就算能和其他人保持一樣的增長速度也無濟于事。

雖然卓越的執行會獲得指數級增長的回報，現實中將會有一系列不連續的事件，讓增長曲線無法保持平滑。一家企業如何處理這些不連續的事件將會決定成王敗寇。

這些不連續的事件就是機器學習的另一面——那些會導致這種技術充滿競爭力的優勢滑鐵盧的元素。

這里列舉了一些：

技術債

機器學習系統并不是能自我復制（self-replicating）或者自我優化（self-optimizing）的軟件應用。因此，隨著時間流逝，它們會積累越來越多的技術債。技術債有許多種表現形式，包括糾纏（entanglement）、隱藏反饋循環（hidden feedback loops）、依賴于未充分使用的數據（underutilized data dependencies）、管道叢林（pipeline jungles）、未申明的訪問者（undeclared customers）等等。技術債會在無意中導致不希望的結果，帶來脆弱（brittleness）以及混淆（obfuscation）。所有這一切都會對系統產生影響，讓系統無法達到最優狀態。

理解技術債的細節是技術團隊的責任。

理解技術債的概念和影響是管理團隊的責任。

關于機器學習技術債的細節，請在新智元微信公眾號后臺回復xxxx，閱讀新智元翻譯的、來自谷歌的技術債詳細介紹：【Google 年度頂級論文】機器學習系統，隱藏多少技術債？（論文下載）。

黑盒

某些算法是黑盒——這是指難以理解在算法中發生了什么，特別是對于單獨的數據點來說。這并不總是會成為一個問題，但是，它對于一個組織而言很多時候都代表了真實存在的挑戰，無論是從文化上還是從技術上來說都是這樣。如果選用的算法是一個黑盒，而世界的變化超出了模型的預測能力，那么缺乏足夠的理解會讓整個系統陷入懷疑論的危機。無法解釋模型為何失敗，從接收機器學習算法程度的角度來說，可以讓一個組織在這一方面倒退許多年。

算法選擇

雖然這有一些老生常談，不過在機器學習領域的確沒有“上帝”一樣萬能的算法。沒有算法能在文本分析、模式匹配、分詞、異常偵測、以及特征生成上都做得一樣好。

的確，有幾十種強力的算法和數千種這些算法的高度調整（highly tuned）版本，每一種都有它自己獨有的優點和缺點。最終，不同的算法會服務于不同的目的。比如，你的邏輯回歸模型（LRM）看待數據世界的方式與你的支持向量機（SVM）有很大的差異。這意味著，作為一個數據科學家或者是一個計算機科學家，你有時會放下LRM、轉而用起SVM——它們是為不同的工作而服務的。但是它們之前的區別并不只是類似于不同尺寸的扳手，并且放下LRM、轉向SVM在上手時是非常消耗時間的。

選用正確的算法對于保持一個組織的良好運作來說是非常重要的，就和了解使用什么時候應該使用凈現值（NPV）、什么時候應該使用內部收益率（IRR）一樣。

人類的偏差

與算法選擇相關的一個概念是人類偏差（human bias）。無論如何，機器學習算法都是復雜的數學公式，而精通某種特定的算法會讓從業者對這種算法產生依賴——通常是嚴重的依賴。這種趨勢讓人想起一句古老的諺語，“當你除了錘子一無所有時，所有東西看上去都像釘子”。如果你的機器學習團隊中，所有人都畢業于同一個學校的同一期，有可能他們用的都是同樣的一些算法。向你的組織中注入算法多樣性會為組織帶來明顯的益處。

避免陷阱

因為技術債的存在，領導層需要確保厲害的軟件工程師與厲害的數學家同在。缺少其中一方將會失去平衡，在未來導致很多問題。招募雙方。

對于黑盒問題，你需要仰賴數百年來的統計學知識來解釋模型中每一個決策背后的原因。這種要求非常嚴苛，但當你需要知道為什么算法最后做出了一個決策時，經歷這樣的時間是非常重要的。這對于創造一種機器學習文化而言至關重要。人們需要信任這個系統，而統計學可以提供溝通人類與算法的橋梁。

面對算法選擇的挑戰，答案是部署越來越多種類的算法，于是你不必再從中選擇。計算機的性能已經足夠做到這一點，已經有可以對于數據集用多種算法并行處理的框架。好好利用。

最后，如果你部署了多種機器學習算法，人類偏差問題應當迎刃而解——特別是如果你采用了讓過程自動化的技術，用數據來自動找出最適應的算法。

前方的機遇

機器學習將無愧于它得到的炒作。明白情況的人都會對它的變革性——對于任何職業、工作流程和商務處理來說都是這樣——保持高度的信心。

率先邁向機器學習的組織將會獲得相應的回報。但是理解機器學習的潛力和風險是非常重要的，因為對于機器學習領域的熟悉程度仍然不足。現在正是時候針對這一技術深挖、學習、雇傭、以及投資，等到明天的話，也許你的競爭對手就已經開始來勢洶洶地擴張了。