是人工智能的失败还是你误入歧途？

人工智能技术，已成为当下最火热的技术之一。无论是大数据还是云计算还是互联网，这些新型的技术都在用尽全身力气，助力人工智能的发展。对于企业而言，无论该企业与科技沾不沾边，只要涉及到数字化业务，也都想蹭一蹭人工智能的光，就更别提技术型企业，对人工智能技术的痴狂了。

目前，人工智能技术还处在咿呀学语的婴儿时期，在市场中发展相对成熟的人工智能技术有两种，语音识别、图像识别。提到人工智能的语音识别或是图像识别，就不得不提机器学习。但是机器学习的发展并不是蹭热点那么简单，它的道路上布满荆棘，很多企业的机器学习项目发展缓慢，甚至以失败告终。

机器学习是人工智能的核心技术，其应用已遍及人工智能的各个领域，而在人工智能不断发展的同时，以机器学习为中心，逐渐萌生了强化学习，以及以人工神经网络为概念的深度学习。而深度学习的运用，也已成为目前人工智能发展的主流趋势。但是在今年上半年，无人驾驶汽车事故频发，导致人工智能的“职业生涯”碰到了第一个槛儿，甚至在世界范围内也传出了，深度学习凛冬将至之声，甚至机器学习也遭受牵连。

陷入误区，走火入魔

机器学习听上去似乎高大上，非得要钻研很久才能有所建树，但其实，绝大多数人都混淆了机器学习研究和机器学习应用的概念。当人们说“机器学习”时，听起来好像只是一门学科。但其实不然，你还得考虑它在研究和应用两个方面的差别。如果企业无法辨别其中的奥秘，那么很容易修炼“神功”走火入魔。

在机器学习方面，企业所犯的最大的错误就是它本应该干什么，而你却让它干别的。比如它本是个厨子，你却让它砌墙。而真正能盖房的，你却让它下厨房。如果你有个烤鸭店，烤炉是必要的工具，但是你肯定不会从全聚德挖来的大厨去造烤炉，同理为什么你只关注机器学习中的机器呢？你是烤鸭店，开始卖烤炉的呢？

在机器学习的研究方面，所有机器学习课程和教科书都是关于如何造烤炉，还有其他种类的工具，而不是告诉你如何烹饪和创新美食。如果当你真的建立起了机器学习算法，而你只关注人可以使用那些工具的机器学习研究方面，而不是真正的应用层面，很多企业就将误入歧途最终走火入魔。

从事研究工作需要大量的时间来学习，但是如今，市面上有一些相当先进的设备，如果不知道这些设备的工作原理，那么怎样造好设备？而在应用方面，大多数企业则需要更多创新的美食，来解决自身的商业问题，而不是把重点放到怎样制造工具或设备上。但是由于市场对研究工作极其重视，所以导致企业误把工具当应用进行生产，所以就出现企业真正该操心的地方却没受到重视。

对于大多数应用程序，企业不需要了解原理，正如厨师不需要了解烤炉的图纸一样。但如果你打算经营一个具有产业规模的厨房，那你确实需要知道很多事情，从管理原料到在上菜前，则需要检查你的菜是否真的好吃，而不是你的工具是否造的漂亮。企业销售什么，决定雇佣什么样的团队。

让正确的人，干正确的事

但不幸的是，很多企业未能从机器学习中获得价值，因为它们没有意识到应用方面与研究方面截然不同。领导者雇佣的是那些一辈子都在做厨具炉但却从来没有下过厨房的人。如果要找工具和算法的混合型人才，那只能坐等着人才短缺了，毕竟人无完人。只有在正确的时间里，让正确的人，做正确的事，才能保证项目的良好发展。

如果你在销售尖端设备，请雇佣研究人员。如果你在琢磨新食谱，请找厨师。决策者和产品经理设定目标，领域专家了解供应商和客户，数据工程师和分析师处理数据，统计人员检查配方的质量和服务，项目经理保证团队的凝聚和项目的落地。虽然上述人士不必是单独的个体，但要确保每个角色都包含在团队中。

如果团队已经尝试了所有现有的工具，却没法制定出满足你业务目标，那么你还得考虑继续增加人手。你是直接雇佣专业人士，还是把工作外包给有经验的算法研究公司，这取决于企业的经营规模和成熟度。

在智能决策方面，很多业内人士都在构建算法，而不是应用算法。如果研究机器学习是制造，而应用机器学习是使用，那么智能决策工程就是安全地使用其他工具来实现企业的目标。

当涉及到应用机器学习时，最困难的部分是知道你想做什么，以及你打算如何在提供给客户之前检查它。这部分其实并不难，但不能被忽视。至于其他方面，用机器学习解决业务问题比大多数人想象的要容易得多。只需要企业知道自己做的是工具还是应用即可。