六大理由告诉你，2017年你的公司为何需要一名首席机器智能官

尽管诸如谷歌TensorFlow这类的开源免费库，在一开始听上去还不错，但真正着手在公司内部创建机器智能之前，还是需要慎重考虑。虽然有些基础工具可能免费，但你还需要一批经验丰富的专家和科学家，来开发可以进行自我完善的机器智能模式和算法。想要做到这一点并不轻松：这些人才本身就非常稀少，更别提要花多少钱才能请得动他们。据IT技术问答网站StackOverflow的一份调查显示，在所有受访者中，只有0.1%的人认为自己是专业的机器学习开发人员，1.9%的人有机器智能开发两项核心技能——数学和统计——方面的背景。即便有简单易用的界面去训练机器智能，但当遇到问题的时候还是需要专家去修复和调整。

所以，不要想着能在全球人才争夺中打败谷歌、亚马逊、微软、Salesforce、IBM和Facebook，因为只有与他们合作才是万全之策。大公司机器智能实力的整合，再加上你日常使用的工具，应该能收到意想不到的附加效果。但是要记住，在机器智能领域，规模通常是一个有利因素，因为范围更大的数据就意味着更快更好的学习机会。

NO.5 系统学习

机器智能系统需要不断学习，因为它在发布初期还只是一个“婴儿”。事实上，研究人员现在正在发明虚拟婴儿来帮助它们了解学习的方式，并且教计算机更加快速地学习。对于CMIO来说，为公司机器智能项目制定学习目标和发展战略，是非常重要的任务。在学习的过程中，持续不断的数据流有着不容忽视的作用。对于机器智能数据来说，一个粗略而简便的原则就是越多越好。机器智能有一个优势，那就是它不需要样本，会直接从所有可用的数据中学习，做出更加可靠的分析和预测。虽然在数据和问题如何联系这一方面，有个理论，哪怕是猜想都是好的，但还是要记住只要拥有大量可用数据，机器智能就可以找到新的联系和机会，回答一些你压根儿没有想到的问题，

解决不同的机器学习问题需要不同范式和方法，其中大家最熟悉的包括强化、监督式学习和非监督式学习。针对训练目的，目前已经形成了一个生态系统：埃隆·马斯克旗下的开源人工智能系统OpenAI创造了一个名为Universe 的虚拟空间，专门为用户提供工具以训练、测量和评估智能系统；OpenAI Gym可以训练强化算法；微软开源Microsoft Cognitive Toolkit深度学习工具包，加速机器智能应用程序的开发。就连平时最为隐秘的苹果公司，也开始在更加广泛的学术群体中进行机器智能研究。所以，我们可以非常清楚地看出，未来机器智能的发展将依靠合作和集体学习。

思考训练智能系统的一个很好的思路就是，将它做成类似游戏的系统，集引发、行动、失败、成功、奖励以及反馈回路于一体，这样才便于人和机器理解。知名研究公司L2用一个公式概述了机器智能未来的价值，并且恰当地总结了学习的重要性。公式为：可用数据传感器的数量×能够反馈回系统的可行动智能=价值主张。

NO.6 人工任务

最后，但同样重要的是，CMIO需要解决智能系统在人力部署方面的问题，因为机器智能目前还没有实现自主管理。人们需要留下数据足迹，让机器智能识别、从中学习并运用到新情况中。我们要时不时地检查数据、调整修改算法、提供训练集、对机器智能判断的正确与否进行指导，以及处理那些机器智能不能独立解决的情况。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!