機器學習的趨勢和人工智慧的未來

每家公司現在是乙個資料公司，在一定範圍能夠使用機器學習在雲中部署智慧型應用程式，這歸功於三個機器學習的趨勢：資料飛輪，演算法經濟，和智慧型雲託管。

有了機器學習模型，企業現在可以快速分析大型，複雜的資料，並提供更快，更準確的見解，沒有部署和維護機器學習系統的高成本。

「當今建立的每乙個成功的新應用程式將是乙個智慧型應用程式，智慧型構建塊和學習服務將是應用程式背後的大腦。」

下面是三個機器學習趨勢導致乙個新的正規化，每個應用程式都有可能成為乙個智慧型應用程式的概述。

資料飛輪

數字資料和雲儲存遵循摩爾定律：全世界的資料每兩年翻一番，而儲存資料的成本卻以大致相同的速度下降。大量的資料使更多功能，更好的機器學習模型被建立。

「在智慧型應用的世界，資料將是國王，並且從它們的資料飛輪可以生成最高質量資料的服務將有乙個不公平的優勢——更多的資料帶來更好的模型，帶來更好的使用者體驗，帶來更多的使用者，帶來更多的資料」。

例如，特斯拉已經收集了7億8000萬英里的駕駛資料，而且每10小時增加上百萬英里。

這些資料被送入自動駕駛儀，他們的輔助駕駛程式使用超聲波感測器，雷達，和相機引導，換車道，並且避免小的人機互動碰撞。最終，這些資料將是他們計畫在2023年發布的無人駕駛車的基礎。

與谷歌的無人駕駛計畫相比，它已經積累了超過150萬英里的駕駛資料。特斯拉的資料飛輪發揮充分的作用。

演算法經濟

如果你不能利用它，世界上所有的資料都不是很有用的。演算法是你如何有效地擴充套件業務流程的手工管理。

這創造了演算法經濟，演算法市場作用是作為研究人員，工程師，和組織建立，分享和一定程度混合演算法智慧型的全球會議場所。作為可組合的構建塊，演算法可以堆疊在一起來操縱資料，並提取關鍵的見解。

演算法經濟中，最新研究轉化為實用，執行的**，並且可供他人使用。智慧型應用程式演示了抽象層，形成建立智慧型應用程式所需的構建塊。

「演算法市場類似於手機應用商店創造了應用經濟，應用經濟的本質是允許各種各樣的個人在全球發行和銷售軟體，而不需要向投資者推銷自己的想法，或建立自己的銷售，營銷和分銷渠道。」

智慧型雲託管

一家公司為了洞察他們的業務，使用演算法機器智慧型迭代學習他們的資料是唯一的可擴充套件的方式。從歷史上看它是乙個昂貴的前期投資，並且沒有明顯回報的保證。

「今天分析和資料科學就像40年前的裁縫一樣，它需要很長時間和巨大的努力。」

例如，乙個組織需要首先收集自定義資料，聘請乙個資料科學家團隊，不斷開發模型，並優化它們來跟上快速變化和不斷增加的資料量——這只是開始。

隨著越來越多的資料可用，以及儲存資料成本的下降，機器學習開始移動到雲，那裡可擴充套件的web服務是乙個api呼叫。資料科學家將不再需要管理基礎設施或實現自定義**。系統將度量它們，動態地產生新的模型，並交付更快，更準確的結果。

「當建立和部署機器學習模型的努力變得越來越少——當你可以『批量製造』它——那麼那樣做的資料在雲中被廣泛使用」。

新興的機器智慧型平台託管預訓練的機器學習模型服務化將便於公司開始使用ml，讓他們迅速把應用程式從模型到產品。

「隨著公司採用微服務模式，即插即用不同的機器學習模型和服務提供特定功能的能力變得越來越有趣」。

當開源機器學習和深度學習框架執行在雲中，像 scikit-learn, nltk, numpy, caffe, tensorflow, theano, 或者 torch，公司將能輕鬆地利用預訓練，託管標籤影象模型，推薦產品，並做一般的自然語言處理任務。

機器學習趨勢的概括

「我們的世界觀是當今每家公司都是一家資料公司，並且每個應用程式是乙個智慧型應用程式，公司如何從大量的資料中獲得洞察力，並從中學習？這被賦予世界上每乙個組織。」

隨著資料飛輪開始轉動，獲取、儲存和計算資料的成本將不斷下降。這創造了演算法經濟，機器智慧型的構建塊儲存在雲中。預訓練，託管機器學習模型使每乙個應用程式都可以在一定程度上利用演算法智慧型。

資料飛輪，演算法經濟，和智慧型雲託管的融合意味著：

1、現在每一家公司都可以成為一家資料公司

2、現在每一家公司都可以接觸智慧型演算法

3、現在每乙個應用程式都可以是乙個智慧型應用程式