機器學習已證明了自身的商業(yè)價值

Bob Violino

邊緣上的人工智能：機器學習將成為主流，早期采用者已獲得了回報。

機器學習熱得不能再熱了。機器學習作為人工智能領域的一員，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，這一技術在眾多的流行技術中非常火，但對于大多數(shù)企業(yè)而言仍然是有些遙遠的概念。由于技術進步和新出現(xiàn)的體系架構，機器學習可能很快會成為主流。

咨詢公司德勤預計，2018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越來越普及了。該公司的最新研究顯示，2017年全球有超過3億部智能手機，或者說五分之一以上的智能手機具有機器學習功能。

德勤的技術、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。”

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構和功能，能夠應用于室內(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。”

各行業(yè)的企業(yè)已經(jīng)在使用或者試驗機器學習技術。下面來看看三家企業(yè)怎樣利用機器學習獲得巨大的商業(yè)價值。

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，開始時主要投入到計算機視覺技術上，并建立了一個工程師小組，工作重點是重塑人們尋找圖像的方式。

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。”

視覺搜索應用了深度學習技術——這是一種版本的機器學習技術，它采用了深度神經(jīng)網(wǎng)絡，通過視覺搜索，Pinterest可自動探測任意一副pin（圖釘）圖像和推薦的相關目標中的物體、顏色和模式。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，它實時查找圖釘圖像中的所有物體，并提供相關的結果。

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。現(xiàn)在，我們在視覺發(fā)現(xiàn)基礎設施上引入了三種新產(chǎn)品。”

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@示正確的圖釘。我們的核心焦點是幫助人們發(fā)現(xiàn)想要的內(nèi)容，例如要購買的產(chǎn)品、要制作的食譜、想嘗試的項目等，機器學習幫助我們?yōu)槿藗兲峁└鼈€性化的體驗。”

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數(shù)量提高了250%。現(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內(nèi)容及其表現(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，進一步提高了有關圖釘?shù)南嚓P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，相關圖釘?shù)慕灰自谌蛟鲩L了5%。”

Shahangian說：“Pinterest正在不斷地開發(fā)最新的機器學習技術，以便構建視覺發(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)資料以及全世界數(shù)據(jù)豐富的圖像。”

構建高維模型

另一家使用機器學習技術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)品預定和留住數(shù)百萬客戶的巨大需求。此外，通過機器學習，采集到的客戶預定某一產(chǎn)品的數(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)，以構建各種類型的預測模型。”這些模型包括付費轉(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。”

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細微影響，從而能夠更好地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)關鍵績效指標，這使得公司能夠在共同的體系架構中評估所有的活動。

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的技術架構和產(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。”在HPCC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”，以及將圖像分析與機器學習能力相結合的“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。”

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)省了專家的時間，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。它還使用該技術來評估和預測信用和保險風險，識別醫(yī)療保健相關交易中的欺詐，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迭代方法。他說，深度信念網(wǎng)絡——由多層潛在變量以及層之間的聯(lián)結組成的生成圖形模型，最近進展不錯，深度學習是有希望的應用領域。

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這些新方法的使用。”

機器學習成為主流

德勤的Johnston說，機器學習的應用可能是多樣化的，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，這將有助于改變企業(yè)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。使用面部識別技術作為客戶識別工具，這方面的能力在不斷提高，很多企業(yè)以新方式來應用這類工具，例如，亞馬遜的Amazon Go商店及其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。”

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。”

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。

Bob Violino目前在紐約，是Computerworld、CIO、CSO、InfoWorld和Network World的特約撰稿人。

原文網(wǎng)址

https：//www.cio.com/article/3182335/application-development/machine-learning-proves-its-worth-to-business.html？nsdr=true