回顧與展望丨數(shù)據(jù)科學(xué) 機(jī)器學(xué)習(xí)：2017年的主要發(fā)展和2018年的關(guān)鍵趨勢(shì)

KDnuggets邀請(qǐng)了數(shù)據(jù)科學(xué)相關(guān)領(lǐng)域杰出的代表人物對(duì)2017年的主要發(fā)展和2018年的趨勢(shì)進(jìn)行了總結(jié)和預(yù)測(cè)。主要內(nèi)容涉及到 AI 、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、安全、AlphaGo Zero等等。

Kirk D. Borne

BoozAllen的首席數(shù)據(jù)科學(xué)家，天體物理學(xué)博士。數(shù)據(jù)科學(xué)和大數(shù)據(jù)領(lǐng)域的影響者。

回顧 2017

在2017年，技術(shù)成熟度曲線(Technology Hype Cycle)的中心位置由原來(lái)的大數(shù)據(jù)漸漸被 AI 取代。媒體和從業(yè)者對(duì) AI 的關(guān)注在正面新聞，比如越來(lái)越強(qiáng)大的機(jī)器學(xué)習(xí)算法和 AI 在汽車(chē)、醫(yī)療影像、金融服務(wù)等行業(yè)的應(yīng)用；以及負(fù)面新聞，關(guān)于機(jī)器將搶走人類(lèi)工作的威脅。

我們還見(jiàn)證了數(shù)據(jù)方面創(chuàng)新的發(fā)展，包括更多地使用API，即服務(wù)提供、數(shù)據(jù)科學(xué)平臺(tái)、深度學(xué)習(xí)，以及云機(jī)器學(xué)習(xí)服務(wù)。大數(shù)據(jù)、機(jī)器學(xué)習(xí)和 AI 的專(zhuān)業(yè)應(yīng)用，包括機(jī)器智能、規(guī)范性分析、行為分析和物聯(lián)網(wǎng)。

展望 2018

在2018年，我們還需要關(guān)注 AI 的其他方面。比如 AI 的價(jià)值，衡量它的投資回報(bào)率，讓其可以實(shí)際操作。

主要的發(fā)展領(lǐng)域與2017年沒(méi)有太大差別，主要包括過(guò)程自動(dòng)化、機(jī)器智能、客戶(hù)服務(wù)。我們還將見(jiàn)證物聯(lián)網(wǎng)的日益成熟，包括更強(qiáng)大的安全特性、模塊化平臺(tái)、傳感器數(shù)據(jù)流的AP等。在2018年，更多的從業(yè)人員將面對(duì)挑戰(zhàn)，向持懷疑態(tài)度的公眾傳達(dá) AI 的好處。

Tom Davenport

巴布森學(xué)院信息技術(shù)與管理專(zhuān)業(yè)的杰出教授，國(guó)際分析研究所聯(lián)合創(chuàng)始人，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)學(xué)的研究員，德勤分析的高級(jí)顧問(wèn)。

回顧 2017

企業(yè) AI 成為主流，許多大型的知名公司正在進(jìn)行 AI 或機(jī)器學(xué)習(xí)。一些公司擁有超過(guò)50個(gè)用到各種技術(shù)的項(xiàng)目。大型供應(yīng)商開(kāi)始轉(zhuǎn)為開(kāi)源、自己動(dòng)手的項(xiàng)目類(lèi)型。當(dāng)然，這意味著公司必須提高其數(shù)據(jù)科學(xué)技能。

機(jī)器學(xué)習(xí)應(yīng)用到數(shù)據(jù)集成，數(shù)據(jù)分析和數(shù)據(jù)管理中之前存在的挑戰(zhàn)現(xiàn)在能通過(guò)機(jī)器學(xué)習(xí)解決。通過(guò)勞動(dòng)密集型方法對(duì)數(shù)據(jù)進(jìn)行集成和管理正在被替換，至少是通過(guò)不同數(shù)據(jù)庫(kù)中相似數(shù)據(jù)元素的“概率匹配”來(lái)實(shí)現(xiàn)的。這能夠減少整合數(shù)據(jù)的時(shí)間。

開(kāi)放源代碼的企業(yè)接受開(kāi)源，傳統(tǒng)的銀行、保險(xiǎn)和醫(yī)療等行業(yè)，正在積極地接受開(kāi)源分析、 AI 和數(shù)據(jù)管理軟件。

展望 2018

我們已經(jīng)進(jìn)入了“后算法”時(shí)代。之前分析師和數(shù)據(jù)科學(xué)家需要一定的知識(shí)來(lái)確定使用哪種算法。但是，分析和機(jī)器學(xué)習(xí)過(guò)程的自動(dòng)化能夠思考100種以上的不同算法。重要的是模型的效果和整體表現(xiàn)。

獨(dú)立的 AI 創(chuàng)業(yè)公司的吸引力開(kāi)始減弱。在風(fēng)險(xiǎn)投資基金的推動(dòng)下，過(guò)去幾年中成立了數(shù)百家 AI 創(chuàng)業(yè)公司。當(dāng)中大多數(shù)解決的是較小的問(wèn)題。然而，即使能夠有效地運(yùn)作，能夠與現(xiàn)有流程和系統(tǒng)集成是其主要挑戰(zhàn)。因此，成熟的企業(yè)更傾向于開(kāi)發(fā)自己的 AI “微服務(wù)”，這些服務(wù)相對(duì)更容易集成，或者從那些將 AI 嵌入到交易系統(tǒng)的供應(yīng)商購(gòu)買(mǎi)。

Jill Dyche

SAS Best Practice的副總裁，暢銷(xiāo)商業(yè)書(shū)籍的作者。

回顧 2017

如今幾乎每個(gè)人都會(huì)應(yīng)用到 AI 和機(jī)器學(xué)習(xí)。2017年，許多供應(yīng)商都在開(kāi)發(fā)自己的 AI 產(chǎn)品。

展望 2018

在2018年，商業(yè)對(duì)話和案例中，AI/ML方面會(huì)顯著增長(zhǎng)。這是因?yàn)槠髽I(yè)有許多業(yè)務(wù)問(wèn)題需要解決，管理者不關(guān)心神經(jīng)網(wǎng)絡(luò)是否要處理稀疏的數(shù)據(jù)；對(duì)自然語(yǔ)言處理中的詞匯推理挑戰(zhàn)。相反，他們想要加速供應(yīng)鏈，知道客戶(hù)下一步想做什么，然后簡(jiǎn)單地告訴電腦他們想要什么。這是一種規(guī)范性分析，那些能夠以簡(jiǎn)便的方式解決該問(wèn)題的供應(yīng)商能夠笑到最后。

Carla Gentry

Analytical Solution的數(shù)據(jù)科學(xué)家

回顧 2017

2017年，每個(gè)人都開(kāi)始討論機(jī)器學(xué)習(xí)、AI 和預(yù)測(cè)分析。但實(shí)際上許多這些公司，供應(yīng)商只是熱衷于這些熱詞，而并沒(méi)有他們宣稱(chēng)的相關(guān)背景。在這些領(lǐng)域的經(jīng)驗(yàn)需要時(shí)間和才干，而不僅僅是盲目的呼吁行動(dòng)?？傊?，經(jīng)驗(yàn)才是最重要的!

展望 2018

2018年，我們需要關(guān)注數(shù)據(jù)科學(xué)和預(yù)測(cè)分析的領(lǐng)導(dǎo)者。不是因?yàn)檫@很熱門(mén)，而是因?yàn)檫@能給你的企業(yè)帶來(lái)巨大的變化。

對(duì)招聘進(jìn)行預(yù)測(cè)可以節(jié)省數(shù)百萬(wàn)人的成本；AI 和機(jī)器學(xué)習(xí)可以在幾秒鐘內(nèi)完成你需要幾天去做的事情。技術(shù)可以把我們提升到新的高度，但作為數(shù)據(jù)科學(xué)家，需要通過(guò)法律和社會(huì)的基本道德。

Bob E. Hayes 

研究人員，作家，Business Over Broadway的出版商，組織心理學(xué)博士。

回顧 2017

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)越來(lái)越多地應(yīng)用于各種行業(yè)和領(lǐng)域。在2017年，我們目睹了 AI 的巨大進(jìn)步。雖然之前深度學(xué)習(xí)模型需要大量的數(shù)據(jù)教算法，但是神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)表明，創(chuàng)建高性能的算法時(shí)并不需要數(shù)據(jù)集。DeepMind采用了這些技術(shù)，開(kāi)發(fā)了Alpha Go Zero，這更優(yōu)于之前版本的算法。

展望 2018

隨著 AI 在刑事司法、金融、教育等領(lǐng)域的持續(xù)發(fā)展，我們將需要建立算法標(biāo)準(zhǔn)，用來(lái)評(píng)估其不準(zhǔn)確性和偏差。包括建立 AI 的使用規(guī)則(例如，避免決策中的暗箱操作)，并理解深度學(xué)習(xí)算法如何做出決定。

數(shù)據(jù)中心的安全漏洞將繼續(xù)攀升，即使互聯(lián)網(wǎng)時(shí)代出現(xiàn)的公司(例如imgur, Uber)。因此，我們將看到安全措施方面的改革的，將增加區(qū)塊鏈的可見(jiàn)性作為一種可行的方式，用來(lái)改善公司如何獲得其選區(qū)的數(shù)據(jù)。

Gregory Piatetsky-Shapiro

KDnuggets總裁，數(shù)據(jù)科學(xué)家，KDD和SIGKDD會(huì)議(知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘專(zhuān)業(yè)組織)的聯(lián)合創(chuàng)始人。

回顧 2017

·AlphaGo Zero可能是2017年 AI 最重要的研究進(jìn)展。

· 數(shù)據(jù)科學(xué)方面自動(dòng)化的增長(zhǎng)，提供了更多提供自動(dòng)化工具的機(jī)器學(xué)習(xí)平臺(tái)。

· AI 的輿論熱度和期望的增長(zhǎng)甚至比 AI 和深度學(xué)習(xí)的發(fā)展還快。

展望 2018

· GDPR(歐洲通用數(shù)據(jù)保護(hù)條例)將在2018年5月25日生效，這將對(duì)數(shù)據(jù)科學(xué)產(chǎn)生重大影響，其中包括解釋的權(quán)利(你的深度學(xué)習(xí)方法是否可以解釋為什么某人被拒絕貸款等)，以及防止偏見(jiàn)和歧視。

· 谷歌 DeepMind 團(tuán)隊(duì)將跟進(jìn)AlphaGo Zero的驚人結(jié)果，并實(shí)現(xiàn)另一個(gè)強(qiáng)大的性能。在幾年前，許多人認(rèn)為這是計(jì)算機(jī)無(wú)法做到的。

(注: DeepMind 取得的另一個(gè)突破進(jìn)展發(fā)生在2017年12月，AlphaZero在4個(gè)小時(shí)內(nèi)就能熟練掌握國(guó)際象棋，同樣的自我博弈學(xué)習(xí)程序可以在國(guó)際象棋、圍棋和日本將棋方面達(dá)到超人般的表現(xiàn)。)

·我們將會(huì)看到更多的自動(dòng)駕駛汽車(chē)的發(fā)展，包括首次出現(xiàn)的問(wèn)題正在被解決(比如拉斯維加斯的無(wú)人駕駛飛機(jī)，一開(kāi)始不知道如何讓道，但之后能夠讓道)。

· AI 的泡沫將繼續(xù)存在，但我們將看到重組和整合的跡象。

Paul Gearan，Heather Allen，Karl Rexer

Rexer Analytics的負(fù)責(zé)人，Rexer Analytics是一家數(shù)據(jù)挖掘和高級(jí)分析咨詢(xún)公司。

回顧 2017

對(duì)于沒(méi)有研究或分析背景的人群，使用商業(yè)智能軟件仍然面臨許多障礙。當(dāng)然出現(xiàn)了Tableau、IBM Watson、Microsoft Power BI等軟件。然而，根據(jù)Rexer Analytics在2017年收集的數(shù)據(jù)，只有近一半的受訪者表示，除了數(shù)據(jù)科學(xué)團(tuán)隊(duì)，他們公司其他員工也有使用相關(guān)自助工具。工具使用時(shí)，常見(jiàn)的問(wèn)題有難以理解分析過(guò)程以及對(duì)分析結(jié)果的誤解。

展望 2018

對(duì)于2018年，實(shí)現(xiàn)推廣數(shù)據(jù)科學(xué)工具的目標(biāo)是擴(kuò)大分析的使用范圍，從而得出有效的結(jié)果，這是至關(guān)重要的。通常情況下，向非數(shù)據(jù)分析方面的員工和管理人員提供工具，讓他們對(duì)自己的假設(shè)進(jìn)行探索和可視化是很重要的。但同樣重要的是，團(tuán)隊(duì)要與數(shù)據(jù)科學(xué)專(zhuān)業(yè)人員一起開(kāi)發(fā)模型并解讀得出的見(jiàn)解，這些專(zhuān)業(yè)人員經(jīng)過(guò)培訓(xùn)，能夠掌握特定分析技術(shù)的應(yīng)用。