摘要：由于機器學習的基礎(chǔ)是數(shù)據(jù)大量的數(shù)據(jù)很常見的是，人們越來越擔心已經(jīng)擁有大量數(shù)據(jù)的公司會變得更強大。事實上，機器學習的傳播并不意味著谷歌變得更強大，但各種各樣的創(chuàng)業(yè)公司都可以比以前更快地用這種前沿科學建立事物。

機器學習可能是當今技術(shù)中最重要的基本趨勢。由于機器學習的基礎(chǔ)是數(shù)據(jù) - 大量的數(shù)據(jù) - 很常見的是，人們越來越擔心已經(jīng)擁有大量數(shù)據(jù)的公司會變得更強大。這有一定的道理，但是以相當狹窄的方式，同時ML也看到了很多能力的擴散 - 可能存在與集中化一樣多的分散化。

首先，說機器學習是關(guān)于數(shù)據(jù)的意思是什么？由于ML的學術(shù)文化，幾乎所有的初級科學都是在創(chuàng)建之后發(fā)布的 - 幾乎所有新的都是一篇你可以閱讀和構(gòu)建的論文。但是你建造什么？那么，在過去，如果軟件工程師想要創(chuàng)建一個系統(tǒng)來識別某些東西，他們就會編寫邏輯步驟（“規(guī)則”）。要識別圖片中的貓，你會編寫規(guī)則來查找邊緣，毛發(fā)，腿，眼睛，尖耳等等，并將它們?nèi)科唇釉谝黄鸩⑾Ｍ軌蛘９ぷ?。麻煩的是，雖然這在理論上是有效的，但在實踐中它更像是試圖制造機械馬 - 這在理論上是可行的，但所需復雜性的法令是不切實際的。我們實際上無法描述我們用于行走或識別貓的所有邏輯步驟。通過機器學習，您可以向統(tǒng)計引擎提供示例（大量示例），而不是編寫規(guī)則，并且該引擎會生成可以區(qū)分的模型。你給它10萬張標有"cat"的照片和100,000張標有"no cat"的照片，然后機器計算出差異。 ML用自動確定的數(shù)據(jù)模式取代了手寫的邏輯步驟，并且對于一個非常廣泛的問題更加有效 - 簡單的演示在于計算機視覺，語言和語音，但用例更廣泛。您需要多少數(shù)據(jù)才是移動目標：有研究途徑允許ML使用更小的數(shù)據(jù)集，但就目前而言，（更多）數(shù)據(jù)幾乎總是更好。

因此，問題是：如果ML讓你做新的和重要的事情，而ML會更好，你擁有的數(shù)據(jù)越多，那么這意味著那些已經(jīng)很大且擁有大量數(shù)據(jù)的公司會變得更強大了多遠？贏家通吃效果有多遠？很容易想象良性循環(huán)強化了贏家："更多數(shù)據(jù)=更準確的模型=更好的產(chǎn)品=更多的用戶=更多的數(shù)據(jù)"。從這里開始，這是“Google / Facebook /亞馬遜擁有所有數(shù)據(jù)”或“中國擁有所有數(shù)據(jù)”等聲明的一個簡單步驟 - 擔心最強大的科技公司會變得更強大，人口眾多的國家也會變得更加強大"對集中使用數(shù)據(jù)的態(tài)度。

好吧，有點。

首先，雖然您需要大量的機器學習數(shù)據(jù)，但您使用的數(shù)據(jù)非常特定于您嘗試解決的問題。通用電氣擁有大量來自燃氣輪機的遙測數(shù)據(jù)，谷歌擁有大量搜索數(shù)據(jù)，而美國運通有很多信用卡欺詐數(shù)據(jù)。您不能使用渦輪機數(shù)據(jù)作為例子來發(fā)現(xiàn)欺詐性交易，并且您無法使用網(wǎng)絡(luò)搜索來發(fā)現(xiàn)即將發(fā)生故障的燃氣輪機。也就是說，ML是一種可推廣的技術(shù) - 您可以將其用于欺詐檢測或人臉識別 - 但您使用它構(gòu)建的應用程序并不是一般化的。你構(gòu)建的每件事只能做一件事。這與之前的所有自動化浪潮大致相同：就像洗衣機只能洗衣服而不洗碗或做飯一樣，國際象棋程序不能免稅，機器學習翻譯系統(tǒng)無法識別貓。您構(gòu)建的應用程序和您需要的數(shù)據(jù)集都非常特定于您嘗試解決的任務（盡管如此，這是一個移動目標，并且正在進行研究以嘗試使學習在不同數(shù)據(jù)集之間更易于轉(zhuǎn)換）。

這意味著機器學習的實現(xiàn)將得到非常廣泛的分布。谷歌不會“擁有所有數(shù)據(jù)” - 谷歌將擁有所有谷歌數(shù)據(jù)。谷歌將擁有更多相關(guān)的搜索結(jié)果，通用電氣將擁有更好的引擎遙測技術(shù)，沃達豐將更好地分析通話模式和網(wǎng)絡(luò)規(guī)劃，這些都是由不同公司構(gòu)建的不同內(nèi)容。谷歌更善于成為谷歌，但這并不意味著它在某種程度上擅長于其他任何事情。

接下來，人們可以爭辯說，這只意味著每個行業(yè)中的大公司都會變得更強大 - 沃達豐，通用電氣和美國運通各自擁有“所有數(shù)據(jù)”，無論他們做什么，因此形成了對抗競爭的護城河。但在這里，它更復雜：有各種有趣的問題，關(guān)于誰擁有數(shù)據(jù)，它的獨特性以及它的獨特性，以及正確的聚合和分析點。

那么：作為一家工業(yè)公司，您是否保留自己的數(shù)據(jù)并構(gòu)建ML系統(tǒng)進行分析（或者向承包商支付費用為您做到這一點）？您是否從已經(jīng)接受過其他人數(shù)據(jù)培訓的供應商那里購買成品？您是將您的數(shù)據(jù)混合到那里，還是從它衍生出的培訓中混合？供應商是否需要您的數(shù)據(jù)，或者他們已經(jīng)擁有足夠的數(shù)據(jù)？答案在您的業(yè)務的不同部分，不同的行業(yè)和不同的用例中會有所不同。

從另一端來看，如果您正在創(chuàng)建一家公司來部署ML來解決實際問題，那么有兩個基本數(shù)據(jù)問題：如何獲得第一個數(shù)據(jù)來訓練模型以獲得第一個客戶，你實際需要多少數(shù)據(jù)？當然，第二個問題分解為很多問題：問題是通過相對少量的數(shù)據(jù)解決的，你可以很容易地獲得（但許多競爭對手可以獲得），或者你需要更多，難以獲得數(shù)據(jù)，如果是這樣，網(wǎng)絡(luò)效應可以從中受益，那么勝利者會采取一切動態(tài)嗎？產(chǎn)品是否會無限期地獲得更多數(shù)據(jù)，或者是否存在S曲線？

這取決于。

某些數(shù)據(jù)對于業(yè)務或產(chǎn)品而言是獨一無二的，或者具有強大的專有優(yōu)勢。 GE發(fā)動機遙測可能沒有太多用于分析勞斯萊斯發(fā)動機，但如果是，他們將不會分享它。這可能是公司創(chuàng)建的機會，但也是許多內(nèi)部大公司IT和承包商項目發(fā)生的地方

一些數(shù)據(jù)將適用于許多公司甚至許多行業(yè)中的用例。 “這個電話有些奇怪”可能是所有信用卡公司的常見分析 - “客戶聽起來很生氣”可能適用于有呼叫中心的任何人。這是“混合”的問題。在這里創(chuàng)建了許多公司來解決許多公司或不同行業(yè)的問題，這里的數(shù)據(jù)存在網(wǎng)絡(luò)效應。

但也有一些情況，在某一點之后，供應商甚至不需要每個增量客戶的數(shù)據(jù) - 產(chǎn)品已經(jīng)在運行。

實際上，隨著機器學習幾乎擴散到所有東西，一個初創(chuàng)公司可能會看到其中的幾個。我們的投資組合公司Everlaw生產(chǎn)法律發(fā)現(xiàn)軟件：如果你起訴某人并且他們給你發(fā)了一輛裝滿紙的卡車，這會有所幫助。機器學習意味著他們將能夠?qū)σ话偃f封電子郵件進行情緒分析（“向我顯示焦慮的電子郵件”），而無需根據(jù)案例中的數(shù)據(jù)訓練該模型，因為培訓該模型的情緒示例不需要來自這一特定訴訟（或任何訴訟）。相反，他們也可以對您的數(shù)據(jù)進行聚類分析（“向我顯示與此相同的電子郵件”），而不會在其他任何地方進行。另一家投資組合公司Drishti使用計算機視覺來檢測和分析生產(chǎn)線 - 其中一些功能是根據(jù)您的數(shù)據(jù)進行培訓的，有些功能根本不是針對您的業(yè)務，而是跨行業(yè)。

在極端情況下，我最近采訪了一家非常大型車輛的制造商，他們正在使用機器學習來獲得更精確的癟胎檢測器。這是訓練有關(guān)數(shù)據(jù)（很多很多很多來自扁平輪胎和非扁平輪胎的信號的例子），顯然，但是獲得這些數(shù)據(jù)并不難。這是一個特征，而不是護城河。

因此，我之前說過ML啟動有兩個問題：如何獲取數(shù)據(jù)以及您需要多少？但這些只是技術(shù)問題：你還會問你如何進入市場，你的可尋址市場是什么，你解決的問題對你的客戶有多大價值，等等。也就是說，很快就會有任何“AI”創(chuàng)業(yè)公司 - 他們將成為工業(yè)過程分析公司，法律平臺公司或銷售優(yōu)化公司。事實上，機器學習的傳播并不意味著谷歌變得更強大，但各種各樣的創(chuàng)業(yè)公司都可以比以前更快地用這種前沿科學建立事物。

這讓我想到了我在其他地方使用過的比喻 - 我們應該將機器學習與SQL進行比較。它是一個重要的構(gòu)建塊，允許新的和重要的事情，并將成為一切的一部分。如果你不使用它和你的競爭對手，你會落后。有些人會用這種方式創(chuàng)建全新的公司 - 沃爾瑪成功的一部分來自于使用數(shù)據(jù)庫來更有效地管理庫存和物流。但是今天，如果你創(chuàng)辦了一家零售商并說“......我們將要使用數(shù)據(jù)庫”，這不會讓你與眾不同或有趣 - SQL成為了一切的一部分然后消失了。機器學習也會發(fā)生同樣的情況。

本文為簡譯，更多詳情請參見原文。

文章來源： 網(wǎng)易云社區(qū)