導致人類而非機器人成為數(shù)據科學關鍵的原因有哪些

科幻小說中經常把人類的未來想象成人工智能將會有至高無上的統(tǒng)領權，并且取代人類，完成人類一切可以完成的事情。坦率地講，當這樣的科幻場景開始引入科學技術的時候，并沒有太多的好處，因為它會讓人類對于“什么樣的人會做好事”和“類似深度學習的其他什么樣的高科技可以做得更好”這兩個問題失去專注能力。

在數(shù)據科學世界的深度學習領域當中，我們正在大跨步的向前邁進。我們已經取得了如此巨大的進步，以至于人們會有這樣的想法：我們不需要欣然接收數(shù)據科學的那些繁文縟節(jié)，取而代之的是我們只要再稍微等一下，我們就可以擁有類似Waston這樣的盒子來為我們執(zhí)行一切事務。如果你真是如此設想的話，那么你將要錯失良機，接下來就是其中的原因。

1. We Dole Out the Work 人類可以派發(fā)工作

深度學習以及大部分的數(shù)據科學技術，他們的任務處理能力都被限制在一個相對狹隘的范圍內。深度學習一詞是對于目前階段機器學習的最高級形式的一種描述。機器學習作為一個程序系統(tǒng)，其目的就是通過對采用多種統(tǒng)計與算法技術的基于原始數(shù)據的復雜模式的觀察，發(fā)現(xiàn)其中你想要的數(shù)據。深度學習技術在圖像識別或者其他數(shù)據集的某些特性方面以及對于感知任務的有效處理能力，得到了廣泛地驗證。大多數(shù)情況下，你可以將龐大的處理過程化解為一個更加簡單的模型，這樣你就可以預測出某些事情，而且可以從中找到某些隱藏的提示。深度學習技術的成功代表作包括翻譯(比如谷歌翻譯和百度翻譯)和語音識別(包括蘋果手機的Siri和Google Now功能)，也包括圖像識別，甚至還可以玩視頻游戲以及放飛直升機模型。

如今，我們沒有理由不為深度學習取得的勝利成果歡呼雀躍。但是迄今為止，深度學習系統(tǒng)也能把一些專業(yè)化任務完成的很漂亮，而絕非僅僅能夠懂得特定情況下的事務。Zachary Chase Lipton曾經發(fā)表了一篇博文，該博文的內容主要是調查了各種指出深度學習系統(tǒng)存在破綻的論文。博文的調查結果證明深度學些系統(tǒng)大都是不堪一擊并且能被輕而易舉地愚弄。深度學習的關鍵點在于它懂得什么時候這種技術可以運行，什么時候不運行。

2. We Provide Context 人類提供了場景

無人駕駛汽車本身不知道自己開向哪里也不知道為什么要這么做。我們需要人類提供場景，來形成日常遇到的問題，形成假設的前提并且決定運用什么樣的深度學習和數(shù)據科學。即使當今大多數(shù)的先進系統(tǒng)都還是只能把一件任務做得非常完美的“白癡學者”，但是這種系統(tǒng)本身根本不會為自己提供更寬廣的情景。

在任何一種機器學習或者分析問題的領域內，人們所扮演的最重要的角色之一就是決定目標是什么。建立一個可以優(yōu)化價值的系統(tǒng)很容易，但是結果卻發(fā)現(xiàn)你一開始打算解決的問題就選錯了。在接下來相當長的一段時間內，人類仍舊是唯一的確定難題的主體，也只有人類才能知曉什么才是真正重要的事情，并且可以核實系統(tǒng)是否能夠像我們所期待的那樣在面對問題領域的直覺理解時發(fā)揮預期的功能。

高級系統(tǒng)不知道應該何時將他們自己關閉。在2008年的經濟危機之后，人們選擇關閉很多交易系統(tǒng)項目，因為人們對這些系統(tǒng)所做的假設條件都沒有起到任何幫助作用。在任何情況下，作出關于生死抉擇的提議或者帶有關鍵性經濟后果的系統(tǒng)往往都是需要人類進行監(jiān)管、改進并且其決定由人類進行批準的白盒系統(tǒng)。

3. You Can’t Buy Deep Learning 你無法購買深度學習技術

深度學習以及數(shù)據科學技術的服務產品化過程不會很快到來。豐田汽車公司將要為應用到無人駕駛汽車技術的深度學習投資十億美元。到目前為止，無人駕駛汽車并未使用太多的深度學習技術。Google和Facebook正急于將深度學習技術產品化，但是大多數(shù)仍舊處于研發(fā)階段。這一切看起來前途似錦，但還是讓我們直面現(xiàn)實吧：大多數(shù)美國人都在電視上看到過Woston的商業(yè)廣告，而不是Woston掌權的產品。

在深度學習和數(shù)據科學領域內，真正贏家是那些懂得這些強大工具本身的限制并且可以通過正確的方法利用他們去探索未知世界的公司。那些擁有數(shù)據科學技能的聰明人，才是讓你立即或者在未來邁向成功的關鍵所在。

數(shù)據科學和機器學習的世界總是讓人感到興奮并將不斷的壯大。誠然，我們必須意識到機器學習仍舊需要借助人類的維護和監(jiān)察才能獲得成功。我們必須持續(xù)加強并整合商業(yè)機構當中的數(shù)據科學部門，以便于讓機器和機器之間有更加暢通的交流。