Bob+Violino+charles

邊緣上的人工智能：機器學習將成為主流，早期采用者得到了商業(yè)利益。

機器學習熱得不能再熱了。機器學習作為一種人工智能，使得計算機能夠?qū)W習執(zhí)行任務，進行預測，而不需要詳細的編程，這一技術(shù)在眾多的流行技術(shù)中非?；?，但對于大多數(shù)企業(yè)而言仍然是有些遙遠的概念。由于技術(shù)進步和新出現(xiàn)的體系架構(gòu)，機器學習可能很快成為主流。

咨詢公司德勤預計明年機器學習的使用和采用會大幅度增加。這在很大程度上是因為技術(shù)越來越普遍了。該公司的最新研究顯示，全球有超過3億部智能手機，或者說2017年銷售的五分之一以上的智能手機將具有機器學習功能。

德勤的技術(shù)、媒體和電信業(yè)務主管Stuart Johnston說：“以中央處理單元、圖形處理單元或者專用現(xiàn)場可編程門陣列形式出現(xiàn)的新芯片技術(shù)能夠以合適的價格、尺寸和功耗提供滿足智能電話應用的神經(jīng)網(wǎng)絡處理功能?！?/p>

Johnston說：“機器學習軟件增加了這些硬件后，將支持本地程序設計模仿人類大腦的某些結(jié)構(gòu)和功能，能夠應用于諸如室內(nèi)導航、圖像分類、增強現(xiàn)實、語音識別和語言翻譯等領(lǐng)域。從日常用戶的角度來看，這意味著復雜的任務會更容易，更加個性化，更快速，隱私性也更好?！?/p>

各行業(yè)的公司已經(jīng)在使用或者試驗機器學習技術(shù)。下面來看看三家公司怎樣利用機器學習獲得巨大的商業(yè)效果。

把希望“釘”在數(shù)據(jù)豐富的圖像上

社交媒體網(wǎng)站Pinterest（拼趣）在2014年開始涉獵機器學習技術(shù)，開始時主要投入到計算機視覺技術(shù)上，并建立了一個工程師小組，工作重點是重塑人們發(fā)現(xiàn)圖像的方式。

不到一年后，該公司推出了“視覺搜索”，這是一種不需要文本查詢來搜索信息的新工具。Pinterest的數(shù)據(jù)科學主管Mohammad Shahangian說：“第一次，視覺搜索讓人們擁有了獲得結(jié)果的一種新方法——即使他們找不到合適的詞匯來描述他們要尋找什么?！?/p>

視覺搜索應用了深度學習技術(shù)——這是一種版本的機器學習技術(shù)，它采用了深度神經(jīng)網(wǎng)絡，通過視覺搜索，Pinterest自動地探測任意一副圖像中的物體、顏色和模式，并推斷出相關(guān)的物體。Shahangian說，Pinterest每月除了20億次的文字搜索外，還有超過2億次的視覺搜索。

2016年夏天，視覺搜索演變?yōu)镻interest推出的物體探測，它實時查找‘釘圖（pin圖）中的所有物體，并提供相關(guān)的結(jié)果。

Shahangian說：“今天，視覺搜索已經(jīng)成為我們最常用的功能之一，每月會有數(shù)億次的視覺搜索，數(shù)十億的物體被檢測出來?，F(xiàn)在，我們在視覺發(fā)現(xiàn)基礎(chǔ)設施上引入了三種新產(chǎn)品?！?/p>

Pinterest擁有互聯(lián)網(wǎng)上最大的數(shù)據(jù)豐富的圖像庫之一。Shahangian說：“我們使用機器學習技術(shù)不斷地對750億個動態(tài)物體進行排名和衡量，從可購買的‘釘圖到視頻，并在最合適的時候為適當?shù)娜孙@示正確的‘釘圖。我們的核心焦點是幫助人們發(fā)現(xiàn)引人注目的內(nèi)容，例如要購買的產(chǎn)品、要制作的食譜、去嘗試的項目等，機器學習幫助我們?yōu)槿藗兲峁└鼈€性化的體驗?！?/p>

Shahangian說，Pinterest在擴展其國際用戶群時，發(fā)現(xiàn)無論人們住在哪里、說什么語言、興趣是什么，為他們提供個性化的服務是最重要的。他說：“使用機器學習模型，我們在過去一年中將美國以外國家的本地‘圖釘（pin）數(shù)量提高了250%?，F(xiàn)在，每月訪問Pinterest的1.5億人都會看到與他們的國家和語言最相關(guān)的‘圖釘。”

此外，機器學習可以預測網(wǎng)站上促銷‘圖釘?shù)南嚓P(guān)性及其表現(xiàn)，采用企業(yè)的促銷理念來幫助改善用戶體驗。

Shahangian說：“我們最近在建議候選渠道中增加了深度學習，進一步提高了有關(guān)‘圖釘?shù)南嚓P(guān)度。Pinterest工程師已經(jīng)開發(fā)了一種可擴展的系統(tǒng)，隨著我們產(chǎn)品和人們興趣而不斷發(fā)展，所以我們能夠呈現(xiàn)出最相關(guān)的建議。通過應用這種新的深度學習模型，早期測試顯示，相關(guān)‘圖釘?shù)慕灰兹蛟鲩L了5%?！?/p>

Shahangian說：“Pinterest正在不斷地開發(fā)最新的機器學習技術(shù)，以便構(gòu)建視覺發(fā)現(xiàn)引擎，包括推進物體探測的發(fā)展，給世界各地的人們提供不斷增長的數(shù)據(jù)庫以及全世界數(shù)據(jù)豐富的圖像。”

構(gòu)建高維模型

另一家使用機器學習技術(shù)的公司是軟件提供商Adobe Systems，據(jù)Adobe Research副總裁Anandan Padmanabhan的說法，他們多年來一直使用監(jiān)督和非監(jiān)督機器學習以及統(tǒng)計模型來幫助其業(yè)務的運行。

隨著Adobe的業(yè)務向基于云的訂閱服務的過渡，兩個基本推動因素導致公司內(nèi)需要大規(guī)模的機器學習：在線渠道成為獲取客戶的主要來源，以及促進產(chǎn)品接觸和留住數(shù)百萬客戶的需求。此外，通過機器學習，采集到的關(guān)于客戶與某些產(chǎn)品接觸的數(shù)據(jù)信息更詳細了。

Padmanabhan說：“Adobe通過產(chǎn)品使用、營銷和客戶支持來采集事件級別的縱向數(shù)據(jù)，以構(gòu)建各種類型的預測模型?！边@些模型包括付費轉(zhuǎn)換和保留模型、客戶保留模型、自動特征提取和細分、加售和交叉銷售模型，以及最優(yōu)分配和基于細分的預測模型等。

公司用于其機器學習工作的工具包括Python Scikit-learn、Spark ML、SAS和專有的內(nèi)部方法。

Padmanabhan說，機器學習方法幫助公司建立了個人層面的高維模型。他說：“以前，Adobe利用統(tǒng)計工具開發(fā)更多的聚合模型，完全忽視了個人層面的不同特性?！?/p>

對Adobe來講，機器學習的主要優(yōu)點是更好地了解付費媒體的邊際影響，從而能夠更好的分配各種銷售渠道的媒體接觸點；以及能夠理解個人客戶傾向和生命周期的各個階段，這些都有助于推動營銷活動。

該公司還通過更好地了解各個產(chǎn)品的使用方式以及對營銷活動的反應，提高了客戶參與度，從而帶來更多的定制產(chǎn)品，客戶支持體驗也更好。這反過來也有助于留住客戶。

此外，Adobe的企業(yè)銷售和區(qū)域規(guī)劃也有了改進，這提高了銷售效率；開發(fā)了一種連續(xù)性的方法來定義和分析整個企業(yè)關(guān)鍵績效指標，這使得公司能夠在共同的體系架構(gòu)中評估所有的活動。

鑒于目前為止非常成功，該公司正在繼續(xù)尋找其他的選擇以充分發(fā)揮機器學習的優(yōu)勢。Padmanabhan說：“Adobe有強烈的意愿利用機器學習去管理客戶體驗的方方面面。”

為客戶管理風險

金融風險管理服務提供商LexisNexis風險解決方案（LNRS）公司采用機器學習來幫助客戶防止身份被盜、洗錢、福利詐騙、醫(yī)療保健欺詐、壞賬和其他風險。

LNRS的技術(shù)架構(gòu)和產(chǎn)品副總裁Flavio Villanustre說，LNRS幾年前開始使用機器學習從非常大的異構(gòu)數(shù)據(jù)池中提取信息并進行分析，創(chuàng)建圖表并預測事件。

該公司主要使用基于HPCC系統(tǒng)自己開發(fā)的機器學習工具，該系統(tǒng)是用于大數(shù)據(jù)處理和分析的開源、大規(guī)模并行處理計算平臺。

Villanustre說：“在處理復雜模型并需要擴展以應用于規(guī)模非常大和多樣化的數(shù)據(jù)集時，這一平臺給我們帶來了優(yōu)勢?！痹贖PCC平臺之上，LNRS以域?qū)Ｓ谜Z言的形式設計了自己的域?qū)Ｓ贸橄笳Z言，例如復雜的記錄鏈接工具——“可擴展自動鏈接技術(shù)”，以及將圖像分析與機器學習能力相結(jié)合的“知識工程語言”。

Villanustre說，在機器學習之前，通過算法進行建模時，要求人們了解特定的問題域，從現(xiàn)有數(shù)據(jù)中提取事實，并編寫大的“啟發(fā)式”程序，使用條件規(guī)則對輸入數(shù)據(jù)不同的可能結(jié)果進行建模。他說：“這些早期的系統(tǒng)需要專家篩選數(shù)據(jù)以理解現(xiàn)實，并通過計算機可以理解的條件語句來描述它。這是非常乏味、辛苦的工作，最好留給計算機去做?！?/p>

Villanustre說，機器學習改變了這一切，讓計算機提取這些事實，并通過基于統(tǒng)計方程的模型來表示現(xiàn)實。他說：“這極大地節(jié)省了域?qū)＜业臅r間，使他們能夠使用人類采用其他方法很難處理的數(shù)據(jù)集。所得到的計算機程序更簡潔，更易于實施，更高效。”

LNRS使用機器學習來描述企業(yè)和個人的整個網(wǎng)絡，以識別詐騙團伙。它還使用該技術(shù)來評估和預測信用和保險風險，識別醫(yī)療保健相關(guān)交易中的欺詐，并幫助抓到犯罪分子。

Villanustre說：“機器學習是我們所做的一切的核心。”該公司正在研究最新的技術(shù)更替。他說，深度信念網(wǎng)絡——由多層潛在變量以及層之間的聯(lián)結(jié)組成的生成圖形模型，還有深度學習最近有一些進展，是有希望的應用領(lǐng)域。

Villanustre說：“對于我們來說，非常重要的是，確認這些新方法符合我們所在各個國家的法律法規(guī)，這樣才可以讓個人和社會最大限度地受益于使用這些新方法?！?/p>

機器學習成為主流

德勤的Johnston說，機器學習的應用可以是多樣化的，涉及到各行業(yè)，包括零售、汽車、金融服務和醫(yī)療保健等。

Johnston說，在某些情況下，這將有助于改變公司與客戶的互動方式。例如，在零售業(yè)中，機器學習能夠完全重塑零售客戶體驗。使用面部識別技術(shù)作為客戶識別工具，這方面的能力在不斷提高，很多公司以新方式來應用這類工具，例如，亞馬遜的Amazon Go商店以及其Alexa平臺。

Johnston說：“Amazon Go通過使用計算機視覺、傳感器融合以及深度學習或者機器學習避免了結(jié)賬，我預計很多購物中心和零售商今年會開始嘗試類似的選擇?！?/p>

智能手機等普通設備將具備機器學習功能，這一事實意味著該技術(shù)將不再局限于理論或者高端應用。

Johnston說：“具備機器學習功能的新興智能手機技術(shù)的例子包括通過壓力傳感器確定用戶心情和情緒的程序、使用健康數(shù)據(jù)進行健康和生活預測的程序，以及探測周圍物體的程序?！?/p>

Johnston說，不僅智能手機，無人機、平板電腦、汽車、虛擬現(xiàn)實和增強現(xiàn)實設備、醫(yī)療工具以及一系列物聯(lián)網(wǎng)設備都將會采用機器學習，使用這些產(chǎn)品的行業(yè)都將具備機器學習能力。