CDA數(shù)據(jù)分析研究院出品，轉(zhuǎn)載須授權(quán)

它不再是人工智能研究人員和亞馬遜，谷歌和Netflix等天生的數(shù)字公司的專利。

機(jī)器學(xué)習(xí)是基于可以從數(shù)據(jù)中學(xué)習(xí)而不依賴于基于規(guī)則的編程的算法。上世紀(jì)90年代末，由于數(shù)字化和廉價(jià)的計(jì)算能力的穩(wěn)步發(fā)展使數(shù)據(jù)科學(xué)家能夠停止構(gòu)建成品模型，而是訓(xùn)練計(jì)算機(jī)去這樣做，因此它在20世紀(jì)90年代后期成為一門科學(xué)學(xué)科。世界現(xiàn)在正在涌動(dòng)著大量的無法管理和復(fù)雜的大數(shù)據(jù)，這增加了機(jī)器學(xué)習(xí)的潛力 - 以及對(duì)機(jī)器學(xué)習(xí)的需求。

2007年，斯坦福大學(xué)人工智能實(shí)驗(yàn)室負(fù)責(zé)人李飛飛放棄了嘗試對(duì)計(jì)算機(jī)進(jìn)行編程以識(shí)別物體的做法，并開始標(biāo)記孩子三歲之前可能遇到的數(shù)百萬原始圖像貼上標(biāo)簽并將其輸入到電腦上。通過顯示成千上萬個(gè)帶有貓的實(shí)例的圖像數(shù)據(jù)集，機(jī)器可以形成自己的規(guī)則來決定一組特定的數(shù)字像素集實(shí)際上是否是貓。去年11月，李的團(tuán)隊(duì)推出了一個(gè)程序，可以高精度地識(shí)別任何圖片的視覺元素。IBM的Watson機(jī)器依賴于類似的自我評(píng)分系統(tǒng)，2011年在數(shù)百個(gè)潛在的答案中擊敗了世界上最好的Jeopardy節(jié)目中的選手。

盡管這些壯舉令人眼花繚亂的很，但是機(jī)器學(xué)習(xí)與人類意義上的學(xué)習(xí)完全不同。但它已經(jīng)做得非常好了 - 而且會(huì)變得更好 - 它正在無情地吸收任何數(shù)量的數(shù)據(jù)和變量的各種組合。由于機(jī)器學(xué)習(xí)作為主流管理工具的出現(xiàn)相對(duì)較晚的，因此它常常引發(fā)一些問題。在這篇文章中，我們提出了一些我們經(jīng)常聽到并以我們希望對(duì)任何高管都有用的方式進(jìn)行回答?，F(xiàn)在是解決這些問題的時(shí)候了，因?yàn)?a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機(jī)器學(xué)習(xí)增加的商業(yè)模式的競(jìng)爭(zhēng)的重要性正在蓄勢(shì)待發(fā)。實(shí)際上，管理學(xué)作者拉姆·查蘭（Ram Charan）表示”任何現(xiàn)在不是數(shù)學(xué)家、或者無法成為數(shù)學(xué)家的組織，都已經(jīng)成為了一家傳統(tǒng)的公司?！?/span>

1.傳統(tǒng)行業(yè)如何利用機(jī)器學(xué)習(xí)收集新的業(yè)務(wù)見解？

好吧，讓我們從運(yùn)動(dòng)開始吧。今年春天，美國國家籃球協(xié)會(huì)錦標(biāo)賽的競(jìng)爭(zhēng)者依賴于加州機(jī)器學(xué)習(xí)初創(chuàng)公司Second Spectrum的分析。通過數(shù)字化過去幾個(gè)賽季的比賽，它創(chuàng)造了預(yù)測(cè)模型，讓教練能夠區(qū)分，正如首席執(zhí)行官Rajiv Maheswaran所說的那樣，“一個(gè)投籃得厲害的射手和一個(gè)投籃不好的射手” - 并根據(jù)此進(jìn)行調(diào)整自己的決策。

再也沒有比通用電氣公司更古老、更傳統(tǒng)的公司了，這是道瓊斯工業(yè)股票平均價(jià)格指數(shù)原始股中唯一一家上市119年之后依然健在的公司。通用電氣公司通過處理從深海油井或噴氣發(fā)動(dòng)機(jī)收集的數(shù)據(jù)來優(yōu)化性能、預(yù)測(cè)故障和簡(jiǎn)化維護(hù)工作，從而已經(jīng)賺了數(shù)億美元。但去年年底從IBM軟件中作為軟件研究的副總裁科林·帕里斯加入通用電氣公司后，認(rèn)為持續(xù)的數(shù)據(jù)處理能力的提高，傳感器和預(yù)測(cè)算法的不斷進(jìn)步將很快使他的公司有同樣的銳利的洞察力，谷歌目前已經(jīng)進(jìn)入了一個(gè)來自西好萊塢的24歲網(wǎng)民的在線行為。

2.北美以外的地方怎么樣？

在歐洲，十幾家銀行用機(jī)器學(xué)習(xí)技術(shù)取代了舊的統(tǒng)計(jì)建模方法，在某些情況下，新產(chǎn)品的銷售額增長(zhǎng)了10％，資本支出節(jié)省了20％，現(xiàn)金收入增加了20％，流失率下降20％。這些銀行通過為零售業(yè)和中小型公司的客戶設(shè)計(jì)新的推薦引擎，實(shí)現(xiàn)了這些收益。他們還建立了微目標(biāo)模型，可以更準(zhǔn)確地預(yù)測(cè)誰將取消貸款服務(wù)或造成貸款違約，以及如何最好地進(jìn)行干預(yù)。

言歸正傳，正如在最近的麥肯錫季刊中的一篇文章指出，我們的同事一直嘗試將硬分析應(yīng)用到人才管理的軟材料中。去年秋天，他們測(cè)試了三種算法的能力，一種有外部供應(yīng)商開發(fā)，一種由內(nèi)部構(gòu)建，僅通過檢查掃描的簡(jiǎn)歷，就能預(yù)測(cè)到該公司將接受的10,000多名潛在的新員工。這些預(yù)測(cè)與現(xiàn)實(shí)世界的結(jié)果密切相關(guān)。有趣的是，這些機(jī)器接受的女性候選人比例略高，這為使用分析來解鎖更多樣化的個(gè)人資料和對(duì)抗隱藏的人類偏見而帶來了希望。

隨著越來越多的虛擬世界被數(shù)字化，我們通過開發(fā)和測(cè)試算法從數(shù)據(jù)中學(xué)習(xí)的能力對(duì)于現(xiàn)在被視為傳統(tǒng)業(yè)務(wù)的東西變得更加重要。谷歌首席經(jīng)濟(jì)學(xué)家哈爾·瓦里安稱此為“計(jì)算機(jī)改善?！币?yàn)椤按笠?guī)模生產(chǎn)改變了產(chǎn)品組裝的方式，持續(xù)的改進(jìn)也改變了制造的方式”他說，“因此，持續(xù)（往往是自動(dòng)）實(shí)驗(yàn)將改善我們優(yōu)化組織業(yè)務(wù)流程的方式“

3.機(jī)器學(xué)習(xí)的早期基礎(chǔ)是什么？

機(jī)器學(xué)習(xí)基于許多早期構(gòu)建塊，從經(jīng)典統(tǒng)計(jì)開始。統(tǒng)計(jì)推斷確實(shí)形成了當(dāng)前人工智能實(shí)現(xiàn)的重要基礎(chǔ)。但重要的是要認(rèn)識(shí)到，經(jīng)典統(tǒng)計(jì)技術(shù)是在18世紀(jì)到20世紀(jì)初之間發(fā)展起來的，其使用的數(shù)據(jù)集比我們現(xiàn)在使用的數(shù)據(jù)集要小得多。機(jī)器學(xué)習(xí)不受預(yù)設(shè)的統(tǒng)計(jì)假設(shè)的限制。因此，它可以產(chǎn)生人類分析師自己看不到的洞察力，并以更高的準(zhǔn)確度進(jìn)行預(yù)測(cè)。

最近，在20世紀(jì)30年代和40年代，計(jì)算機(jī)的先驅(qū)（例如對(duì)人工智能有深刻和持久興趣的艾倫圖靈）開始制定和修補(bǔ)神經(jīng)網(wǎng)絡(luò)等基本技術(shù)，使今天的機(jī)器學(xué)習(xí)成為可能。但是這些技術(shù)在實(shí)驗(yàn)室中停留的時(shí)間比許多技術(shù)都要長(zhǎng)，并且在大多數(shù)情況下，必須等待20世紀(jì)70年代末和80年代初的強(qiáng)大計(jì)算機(jī)的開發(fā)和基礎(chǔ)設(shè)施。這可能是機(jī)器學(xué)習(xí)采用曲線的起點(diǎn)。引入現(xiàn)代經(jīng)濟(jì)的新技術(shù) - 例如蒸汽機(jī)，電力，電動(dòng)機(jī)和計(jì)算機(jī) - 似乎需要大約80年才能從實(shí)驗(yàn)室過渡到你可能稱之為文化隱形的東西。計(jì)算機(jī)目前還沒有從人們的視線中消失，但很有可能會(huì)在2040年消失，機(jī)器學(xué)習(xí)可能很快就退居幕后了。

4.機(jī)器學(xué)習(xí)入門需要什么？

如果C級(jí)管理人員將機(jī)器學(xué)習(xí)視為制定和實(shí)施戰(zhàn)略愿景的工具，他們將最好地利用機(jī)器學(xué)習(xí)。但這意味著將戰(zhàn)略放在首位。如果沒有戰(zhàn)略作為起點(diǎn)，機(jī)器學(xué)習(xí)就有可能成為公司日常運(yùn)營中被埋沒的工具：它將提供有用的服務(wù)，但其長(zhǎng)期價(jià)值可能僅限于無休止地重復(fù)“千篇一律”應(yīng)用，如模型獲取，激勵(lì)和客戶留存的模型。

我們發(fā)現(xiàn)，這與并購有相似之處并且具有指導(dǎo)意義。畢竟，這是一個(gè)明確定義的手段。沒有明智的企業(yè)會(huì)匆忙的進(jìn)行一連串的收購或合并，然后只是坐下來看看會(huì)發(fā)生什么。從事機(jī)器學(xué)習(xí)的公司應(yīng)該在進(jìn)行并購之前做出公司所做的三項(xiàng)承諾。首先，這些承諾是調(diào)查所有可行的替代方案; 第二，全心全意地在高管層面推行這一戰(zhàn)略; 第三，使用（或必要時(shí)獲得）高級(jí)管理人員的現(xiàn)有專業(yè)知識(shí)和知識(shí)來指導(dǎo)該戰(zhàn)略的應(yīng)用。

負(fù)責(zé)創(chuàng)建戰(zhàn)略愿景的人很可能（或曾經(jīng)）是數(shù)據(jù)科學(xué)家。但是，當(dāng)他們確定問題和戰(zhàn)略的預(yù)期結(jié)果時(shí)，他們需要C級(jí)同事的指導(dǎo)，監(jiān)督其他關(guān)鍵的戰(zhàn)略計(jì)劃。更廣泛地說，公司必須有兩種類型的人才能釋放機(jī)器學(xué)習(xí)的潛力?！岸糠治鰩煛睂W(xué)習(xí)其語言和方法?！胺g人員”可以通過將定量分析師的復(fù)雜結(jié)果重新定義為管理者可以執(zhí)行的可操作的見解，從而在數(shù)據(jù)、機(jī)器學(xué)習(xí)和決策制定學(xué)科之間架起橋梁。

有效的機(jī)器學(xué)習(xí)需要獲得大量有用和可靠的數(shù)據(jù)，例如Watson在測(cè)試中能夠比醫(yī)生更好地預(yù)測(cè)腫瘤學(xué)結(jié)果，或Facebook最近成功地教會(huì)計(jì)算機(jī)，以便像人類一樣準(zhǔn)確地識(shí)別特定的人臉。真正的數(shù)據(jù)戰(zhàn)略始于識(shí)別數(shù)據(jù)中的差距，確定填補(bǔ)這些差距所需的時(shí)間和資金，以及打破數(shù)據(jù)孤島。很多時(shí)候，各部門都在囤積數(shù)據(jù)，并將獲取信息的途徑政治化- 這是一些公司創(chuàng)建首席數(shù)據(jù)官這個(gè)新角色來整合所需要的信息的原因之一。其他要素包括將生成數(shù)據(jù)的責(zé)任交給一線的管理人員。

從小初招收，尋找更容易摘到的果實(shí)，并宣傳任何早期的成功。這將有助于招募基層支持，并加強(qiáng)個(gè)人行為和員工參與的變化，最終決定組織是否可以有效地應(yīng)用機(jī)器學(xué)習(xí)。最后，根據(jù)明確的成功標(biāo)準(zhǔn)進(jìn)行評(píng)估結(jié)果。

5.高層管理人員的作用是什么？

行為改變至關(guān)重要，高層管理人員的關(guān)鍵角色之一就是影響和鼓勵(lì)這種改變。例如，傳統(tǒng)管理人員必須適應(yīng)對(duì)自己的A / B測(cè)試方面的變化，這是數(shù)字公司使用的技術(shù)，用于了解對(duì)在線消費(fèi)者有吸引力的內(nèi)容或者說無法吸引消費(fèi)者的內(nèi)容。擁有越來越強(qiáng)大的計(jì)算機(jī)洞察力的一線管理人員必須學(xué)會(huì)自己做出更多決策，高層管理人員設(shè)定總體方向，只有在出現(xiàn)時(shí)才會(huì)進(jìn)行關(guān)注。將分析的使用民主化 - 為一線提供必要的技能并設(shè)置適當(dāng)?shù)募?lì)措施以鼓勵(lì)數(shù)據(jù)共享 - 而這需要時(shí)間。

C級(jí)官員應(yīng)該分三個(gè)階段考慮應(yīng)用機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)1.0,2.0和3.0 - 或者，我們更喜歡說，描述，預(yù)測(cè)和處理。他們可能不需要擔(dān)心大多數(shù)公司已經(jīng)完成的描述階段。這完全是為了收集數(shù)據(jù)庫中的數(shù)據(jù)（必須為此目的而發(fā)明），這一發(fā)展為管理者提供了對(duì)過去的新見解。OLAP-在線分析處理 - 現(xiàn)在已經(jīng)非常常規(guī)，并且在大多數(shù)大型組織中已經(jīng)建立。

現(xiàn)在更迫切的是要進(jìn)入預(yù)測(cè)階段，而這個(gè)階段也正在發(fā)生。今天的尖端技術(shù)已經(jīng)使企業(yè)不僅可以查看其歷史數(shù)據(jù)，還可以預(yù)測(cè)未來的行為或結(jié)果 - 例如，通過幫助銀行的信用風(fēng)險(xiǎn)官員評(píng)估哪些客戶最有可能違約或啟用電信公司預(yù)計(jì)哪些客戶在短期內(nèi)特別容易“流失”（展覽）。

高級(jí)管理層在開始預(yù)測(cè)階段時(shí)經(jīng)常關(guān)注的是數(shù)據(jù)的質(zhì)量。這種擔(dān)憂經(jīng)常使高管癱瘓。然而，根據(jù)我們的經(jīng)驗(yàn)，過去十年的IT投資為大多數(shù)公司提供了足夠的信息，以便從不完整的，凌亂的數(shù)據(jù)集中獲得新的見解，當(dāng)然前提是這些公司選擇了正確的算法。與現(xiàn)有數(shù)據(jù)倉庫中開采的數(shù)據(jù)源相比，添加外來的新數(shù)據(jù)源可能只會(huì)帶來很少的好處。面對(duì)這一挑戰(zhàn)是“首席數(shù)據(jù)科學(xué)家”的任務(wù)。

處理 - 機(jī)器學(xué)習(xí)的第三個(gè)也是最先進(jìn)的階段 - 是未來的機(jī)會(huì)，因此必須引起高層的高度重視。畢竟，僅僅預(yù)測(cè)客戶將會(huì)做什么是不夠的; 只有理解為什么他們打算這樣做，公司才能鼓勵(lì)或阻止未來的行為。從技術(shù)上講，今天的機(jī)器學(xué)習(xí)算法，在人工翻譯的幫助下，已經(jīng)可以做到這一點(diǎn)。例如，一家關(guān)注其零售業(yè)務(wù)違約規(guī)模的國際銀行最近確定了一組客戶，他們?cè)谕蝗粡陌滋焓褂眯庞每ㄞD(zhuǎn)為在半夜使用信用卡。這種模式伴隨著儲(chǔ)蓄率急劇下降。在咨詢了分行經(jīng)理之后，銀行進(jìn)一步發(fā)現(xiàn)，以這種方式行事的人們也在應(yīng)對(duì)最近的一些壓力事件。因此，所有被算法標(biāo)記為該微觀成員的客戶都會(huì)自動(dòng)獲得信用卡的新限制并提供財(cái)務(wù)建議。

機(jī)器學(xué)習(xí)的處理階段，開創(chuàng)了人機(jī)協(xié)作的新時(shí)代，需要我們工作方式的最大變化。雖然機(jī)器識(shí)別模式時(shí)，人工翻譯人員的責(zé)任是將其解釋為不同的微段解釋模式，并建議相應(yīng)的操作過程。在這里，高管必須直接參與設(shè)計(jì)和指定這些算法試圖優(yōu)化的目標(biāo)。

6.從長(zhǎng)遠(yuǎn)來看，這聽起來像是自動(dòng)化取代了人類。我們是否更接近于知道機(jī)器是否會(huì)取代管理人員？

確實(shí)，變革到來的如此之快（數(shù)據(jù)生成也是如此之快），以至于人與人之間的所有決策參與正在迅速變得不切實(shí)際。展望三到五年，我們期望看到更高水平的人工智能，以及分布式自治公司的發(fā)展。這些自我激勵(lì)，自成體系的代理人以公司的形式組成，將能夠自主地實(shí)現(xiàn)既定目標(biāo)，而無需任何直接的人為監(jiān)督。一些DAC肯定會(huì)成為自編程。

一種觀點(diǎn)認(rèn)為分布式自治公司對(duì)我們的文化具有威脅性和敵意。但是當(dāng)它們完全發(fā)展的時(shí)候，機(jī)器學(xué)習(xí)將在文化上變得隱形，就像20世紀(jì)的技術(shù)發(fā)明消失在當(dāng)前的文化背景中一樣。人類的角色將是指導(dǎo)和指導(dǎo)算法，當(dāng)它們實(shí)現(xiàn)給定的目標(biāo)時(shí)。這也是在2008年金融危機(jī)期間造成這種損害的自動(dòng)交易算法的一個(gè)教訓(xùn)

無論計(jì)算機(jī)發(fā)現(xiàn)什么新的見解，只有人力資源管理者才能決定基本問題，例如公司真正想要解決的關(guān)鍵業(yè)務(wù)問題。正如人類同事需要定期審查和評(píng)估一樣，這些“精彩的機(jī)器”及其作品也需要定期評(píng)估，改進(jìn)，甚至可能被解雇或被告知要走跟之前完全不同的道路- 這需要有經(jīng)驗(yàn)，判斷和領(lǐng)域?qū)I(yè)知識(shí)的高管。

獲勝者既不是機(jī)器，也不是人類，而是兩者有效地合作。

7.所以從長(zhǎng)遠(yuǎn)來看，沒有必要擔(dān)心？

很難確定，但分布式自治公司和機(jī)器學(xué)習(xí)應(yīng)該在高級(jí)管理層議程中占據(jù)重要位置。我們期待有一個(gè)，關(guān)于什么是智能、人工智能或其他智能的討論將會(huì)結(jié)束，因?yàn)椴淮嬖谥悄苓@種東西，它只是人類發(fā)展的一個(gè)過程。如果分布式自治公司能過智能地行動(dòng)，智能地執(zhí)行并且智能地響應(yīng)，我們將停止?fàn)幷撌欠翊嬖诔祟愔獾母呒?jí)智能。與此同時(shí)，我們都必須考慮我們希望這些實(shí)體做什么，我們希望它們的行為方式，以及我們?nèi)绾闻c它們合作。