一、CIO们！是时候投资机器学习了
康奈尔大学希望找到降低鲸鱼被船只撞击的几率，他们的团队正在开发一种算法，利用音频提醒船只注意鲸鱼的行踪。
达索系统（Dassault Systèmes）正在研发人类心脏三维模型，它能帮助外科医生在打开病人胸腔之前，测试心脏起搏器的性能。
WinningAlgorithms利用社交媒体的信息支持，在媒体播放同样信息前，提前五分钟告知环法自行车赛（Tour de France）的自行车赛手，帮助他们了解比赛状态。
当然，机器学习已经对人类科学、文化和生活产生了重大影响，但让CIO（信息总监）们开始考虑机器学习的企业应用，还需要几年的时间……吗？
对吧？
当然不是。
根据全球信息顾问公司爱思唯尔（Elsevier）的首席技术总监，Dan Olley的说法，这是很短视的做法。
Olley说：“如果CIO们在三年前投资了机器学习，这是在浪费他们自己的钱。但如果他们等三年再投资，他们将永远处于落后的地位。”
二、机器学习究竟是什么？
多年来，计算机一直囿于“如果/然后”的模式中。
Olley说：“电脑在处理A=B或A/B这样的算式上可以表现得很出色，但它们在应对‘A和B有点像’这种语句上表现得很差。到目前为止，只有人类能够处理‘相似性’情况，但通过机器学习，我们可以训练算法来执行高度复杂的功能，从描述图像到做出判断。”
假设你想对你相机里所有的数码照片进行挑选和分类。Olley说：“如果每一张照片中的狗狗都长得一样，那么应用程序就可以很容易地识别出关于狗狗的照片，并正确地标记它们。”
“但是每只狗狗并不是完全一样的，所以机器需要看到一系列被标记为“狗”的照片，直到它形成抽象意识，识别出狗的照片。一旦它被训练出来，机器就可以自行处理这些照片了。”
好吧，除非他们都是爱狗之人，为什么CIO要关心这个问题呢？
应该将通用数据保护条例（General Data Protection Regulation， 简写为GDPR）作为跳板，在将来能够更好的管理数据，让组织有机会从拥堵的信息系统中解放，释放灵活性，应用良好的管理方法作为他们收集、处理和存储个人数据的核心。
为什么机器学习对CIO来说很重要？
机器学习填补了长久以来存在的技术空白：用特征识别来解决复杂的问题。
Olley说：“爱思维尔公司的大部分收入来自基于技术的产品和服务，我们开始在我们的商业产品中使用机器学习，但它同样适用于内部IT平台。”
“在处理财务数据时，机器学习可以解决匹配客户联系方式、地址或从数据中发现趋势的经典问题。你训练的应用程序越‘理解’数据，你得出的分析和预测结果就越准确。
他说：“我们公司有一个部门专门为护士编写教学材料，但许多学生面对这些具有挑战性的学习材料感到沮丧，最终放弃了课程，最终再也没有去参加资格认证考试。”
爱思唯尔希望增加获得资格认证护士的数量，他们使用机器学习来帮助这些学生。
他说：“我们正在使用算法来了解学生到底是如何使用这些课程材料的。”
“通过这种方式，我们可以提高课程内容的适应性和个性化，从而吸引学生，并提高通过率。”
“教育只是爱思唯尔使用机器学习的一个例子，他们发现这些技术适用于不同的产品开发流程，从帮助科学家得出新的发现，到帮助医疗保健专业人员提供最好的医疗服务。”
如果CIO能够利用信息系统，例如CRM系统，一个客服中心应用，甚至是企业内部网，利用这些信息建构一组数据来训练机器如何解决问题，他们将开发出更强大、更具适应性的系统。
Olley说：“你可以明确看到这一技术的应用，利用语音识别实现客服中心的自动化，进行更准确的销售预测，甚至是识别欺诈信息。Splunk这样的基础设施工具，正在使用机器学习来寻找日志文件中的模式，并且在安全方面有很多应用。”
三、如何开展机器学习投资
一切都应始于研究。
Olley说：“第一件事是开始在你的团队中树立相关意识。解决大多数初始问题所需的算法都已经被开发出来了，而且是免费的。所需要做的就是开始学习如何使用它们。我们已经把机器学习看作谷歌、微软和亚马逊提供的一项服务。此外，麻省理工学院、斯坦福大学、Coursera和优达学城（Udacity）也有一些免费或便宜的培训资源。
接下来，你需要选择一个软件进行测试。当你感到团队中对机器学习的兴奋时，选择一些小型的，容易操作的问题去解决它们。
可供选择的测试版是需要人参与的、可重复的，因为这涉及知识工作者层面。
Olley说：“客服中心软件是进行机器学习训练很好的起点，或者你可以从商务智能（BI）或财务分析流程开始。但无论选择哪种方式开始，你都需要开始进行训练。机器学习需要一种全新的思维方式。
接下来需要关注的是你的数据。如果没有处理好你的数据，你离有效的机器学习仍存在很远的距离。Olley说：“随着机器学习的发展，数据将成为一项至关重要的资产，因为它是机器学习的训练集。训练集越优质，你就越能更好的使用这些新技术。
追求完美的机器是不现实的
假设你在一家抵押贷款公司工作。你收到的大多数抵押贷款申请，都是肯定的是或明确的不。
编写一个程序实现这些场景的自动化相对容易。然而，处在中间某处的抵押贷款，需要进行更多分析，交给承销团队分析。
Olley说：“在第一次尝试机器学习时，不要不考虑那些承销商的需求。也许机器能为你做出20%的承保决定，由人类做出余下的80%，但如果人们把自己的决定反馈给机器，机器就会变得更聪明。
最后，你应该开始规划未来需要聘请哪些人。
未来10年，机器学习将产生的影响是巨大的。
Olley说：“这项技术有可能淘汰很大一部分当前的知识工作者。作为用人单位，我们需要明白，我们在机器学习方面的投资将减少我们对知识工作者的需求，并增加对精通数据和分析人员的需求。
我们需要考虑更广泛的影响。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：liuhan
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
