摘要：由于機(jī)器學(xué)習(xí)的基礎(chǔ)是數(shù)據(jù)大量的數(shù)據(jù)很常見(jiàn)的是，人們?cè)絹?lái)越擔(dān)心已經(jīng)擁有大量數(shù)據(jù)的公司會(huì)變得更強(qiáng)大。事實(shí)上，機(jī)器學(xué)習(xí)的傳播并不意味著谷歌變得更強(qiáng)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(xué)建立事物。

機(jī)器學(xué)習(xí)可能是當(dāng)今技術(shù)中最重要的基本趨勢(shì)。由于機(jī)器學(xué)習(xí)的基礎(chǔ)是數(shù)據(jù) - 大量的數(shù)據(jù) - 很常見(jiàn)的是，人們?cè)絹?lái)越擔(dān)心已經(jīng)擁有大量數(shù)據(jù)的公司會(huì)變得更強(qiáng)大。這有一定的道理，但是以相當(dāng)狹窄的方式，同時(shí)ML也看到了很多能力的擴(kuò)散 - 可能存在與集中化一樣多的分散化。

首先，說(shuō)機(jī)器學(xué)習(xí)是關(guān)于數(shù)據(jù)的意思是什么？由于ML的學(xué)術(shù)文化，幾乎所有的初級(jí)科學(xué)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(guò)去，如果軟件工程師想要?jiǎng)?chuàng)建一個(gè)系統(tǒng)來(lái)識(shí)別某些東西，他們就會(huì)編寫(xiě)邏輯步驟（“規(guī)則”）。要識(shí)別圖片中的貓，你會(huì)編寫(xiě)規(guī)則來(lái)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ぷ鳌Ｂ闊┑氖?，雖然這在理論上是有效的，但在實(shí)踐中它更像是試圖制造機(jī)械馬 - 這在理論上是可行的，但所需復(fù)雜性的法令是不切實(shí)際的。我們實(shí)際上無(wú)法描述我們用于行走或識(shí)別貓的所有邏輯步驟。通過(guò)機(jī)器學(xué)習(xí)，您可以向統(tǒng)計(jì)引擎提供示例（大量示例），而不是編寫(xiě)規(guī)則，并且該引擎會(huì)生成可以區(qū)分的模型。你給它10萬(wàn)張標(biāo)有"cat"的照片和100,000張標(biāo)有"no cat"的照片，然后機(jī)器計(jì)算出差異。 ML用自動(dòng)確定的數(shù)據(jù)模式取代了手寫(xiě)的邏輯步驟，并且對(duì)于一個(gè)非常廣泛的問(wèn)題更加有效 - 簡(jiǎn)單的演示在于計(jì)算機(jī)視覺(jué)，語(yǔ)言和語(yǔ)音，但用例更廣泛。您需要多少數(shù)據(jù)才是移動(dòng)目標(biāo)：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(wèn)題是：如果ML讓你做新的和重要的事情，而ML會(huì)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(huì)變得更強(qiáng)大了多遠(yuǎn)？贏家通吃效果有多遠(yuǎn)？很容易想象良性循環(huán)強(qiáng)化了贏家："更多數(shù)據(jù)=更準(zhǔn)確的模型=更好的產(chǎn)品=更多的用戶(hù)=更多的數(shù)據(jù)"。從這里開(kāi)始，這是“Google / Facebook /亞馬遜擁有所有數(shù)據(jù)”或“中國(guó)擁有所有數(shù)據(jù)”等聲明的一個(gè)簡(jiǎn)單步驟 - 擔(dān)心最強(qiáng)大的科技公司會(huì)變得更強(qiáng)大，人口眾多的國(guó)家也會(huì)變得更加強(qiáng)大"對(duì)集中使用數(shù)據(jù)的態(tài)度。

好吧，有點(diǎn)。

首先，雖然您需要大量的機(jī)器學(xué)習(xí)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(wèn)題。通用電氣擁有大量來(lái)自燃?xì)廨啓C(jī)的遙測(cè)數(shù)據(jù)，谷歌擁有大量搜索數(shù)據(jù)，而美國(guó)運(yùn)通有很多信用卡欺詐數(shù)據(jù)。您不能使用渦輪機(jī)數(shù)據(jù)作為例子來(lái)發(fā)現(xiàn)欺詐性交易，并且您無(wú)法使用網(wǎng)絡(luò)搜索來(lái)發(fā)現(xiàn)即將發(fā)生故障的燃?xì)廨啓C(jī)。也就是說(shuō)，ML是一種可推廣的技術(shù) - 您可以將其用于欺詐檢測(cè)或人臉識(shí)別 - 但您使用它構(gòu)建的應(yīng)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(dòng)化浪潮大致相同：就像洗衣機(jī)只能洗衣服而不洗碗或做飯一樣，國(guó)際象棋程序不能免稅，機(jī)器學(xué)習(xí)翻譯系統(tǒng)無(wú)法識(shí)別貓。您構(gòu)建的應(yīng)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(wù)（盡管如此，這是一個(gè)移動(dòng)目標(biāo)，并且正在進(jìn)行研究以嘗試使學(xué)習(xí)在不同數(shù)據(jù)集之間更易于轉(zhuǎn)換）。

這意味著機(jī)器學(xué)習(xí)的實(shí)現(xiàn)將得到非常廣泛的分布。谷歌不會(huì)“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(cè)技術(shù)，沃達(dá)豐將更好地分析通話(huà)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(zhǎng)于其他任何事情。

接下來(lái)，人們可以爭(zhēng)辯說(shuō)，這只意味著每個(gè)行業(yè)中的大公司都會(huì)變得更強(qiáng)大 - 沃達(dá)豐，通用電氣和美國(guó)運(yùn)通各自擁有“所有數(shù)據(jù)”，無(wú)論他們做什么，因此形成了對(duì)抗競(jìng)爭(zhēng)的護(hù)城河。但在這里，它更復(fù)雜：有各種有趣的問(wèn)題，關(guān)于誰(shuí)擁有數(shù)據(jù)，它的獨(dú)特性以及它的獨(dú)特性，以及正確的聚合和分析點(diǎn)。

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(jìn)行分析（或者向承包商支付費(fèi)用為您做到這一點(diǎn)）？您是否從已經(jīng)接受過(guò)其他人數(shù)據(jù)培訓(xùn)的供應(yīng)商那里購(gòu)買(mǎi)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(xùn)中混合？供應(yīng)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(wù)的不同部分，不同的行業(yè)和不同的用例中會(huì)有所不同。

從另一端來(lái)看，如果您正在創(chuàng)建一家公司來(lái)部署ML來(lái)解決實(shí)際問(wèn)題，那么有兩個(gè)基本數(shù)據(jù)問(wèn)題：如何獲得第一個(gè)數(shù)據(jù)來(lái)訓(xùn)練模型以獲得第一個(gè)客戶(hù)，你實(shí)際需要多少數(shù)據(jù)？當(dāng)然，第二個(gè)問(wèn)題分解為很多問(wèn)題：?jiǎn)栴}是通過(guò)相對(duì)少量的數(shù)據(jù)解決的，你可以很容易地獲得（但許多競(jìng)爭(zhēng)對(duì)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(yīng)可以從中受益，那么勝利者會(huì)采取一切動(dòng)態(tài)嗎？產(chǎn)品是否會(huì)無(wú)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(duì)于業(yè)務(wù)或產(chǎn)品而言是獨(dú)一無(wú)二的，或者具有強(qiáng)大的專(zhuān)有優(yōu)勢(shì)。 GE發(fā)動(dòng)機(jī)遙測(cè)可能沒(méi)有太多用于分析勞斯萊斯發(fā)動(dòng)機(jī)，但如果是，他們將不會(huì)分享它。這可能是公司創(chuàng)建的機(jī)會(huì)，但也是許多內(nèi)部大公司IT和承包商項(xiàng)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(gè)電話(huà)有些奇怪”可能是所有信用卡公司的常見(jiàn)分析 - “客戶(hù)聽(tīng)起來(lái)很生氣”可能適用于有呼叫中心的任何人。這是“混合”的問(wèn)題。在這里創(chuàng)建了許多公司來(lái)解決許多公司或不同行業(yè)的問(wèn)題，這里的數(shù)據(jù)存在網(wǎng)絡(luò)效應(yīng)。

但也有一些情況，在某一點(diǎn)之后，供應(yīng)商甚至不需要每個(gè)增量客戶(hù)的數(shù)據(jù) - 產(chǎn)品已經(jīng)在運(yùn)行。

實(shí)際上，隨著機(jī)器學(xué)習(xí)幾乎擴(kuò)散到所有東西，一個(gè)初創(chuàng)公司可能會(huì)看到其中的幾個(gè)。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(mǎn)紙的卡車(chē)，這會(huì)有所幫助。機(jī)器學(xué)習(xí)意味著他們將能夠?qū)σ话偃f(wàn)封電子郵件進(jìn)行情緒分析（“向我顯示焦慮的電子郵件”），而無(wú)需根據(jù)案例中的數(shù)據(jù)訓(xùn)練該模型，因?yàn)榕嘤?xùn)該模型的情緒示例不需要來(lái)自這一特定訴訟（或任何訴訟）。相反，他們也可以對(duì)您的數(shù)據(jù)進(jìn)行聚類(lèi)分析（“向我顯示與此相同的電子郵件”），而不會(huì)在其他任何地方進(jìn)行。另一家投資組合公司Drishti使用計(jì)算機(jī)視覺(jué)來(lái)檢測(cè)和分析生產(chǎn)線 - 其中一些功能是根據(jù)您的數(shù)據(jù)進(jìn)行培訓(xùn)的，有些功能根本不是針對(duì)您的業(yè)務(wù)，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(chē)輛的制造商，他們正在使用機(jī)器學(xué)習(xí)來(lái)獲得更精確的癟胎檢測(cè)器。這是訓(xùn)練有關(guān)數(shù)據(jù)（很多很多很多來(lái)自扁平輪胎和非扁平輪胎的信號(hào)的例子），顯然，但是獲得這些數(shù)據(jù)并不難。這是一個(gè)特征，而不是護(hù)城河。

因此，我之前說(shuō)過(guò)ML啟動(dòng)有兩個(gè)問(wèn)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(wèn)題：你還會(huì)問(wèn)你如何進(jìn)入市場(chǎng)，你的可尋址市場(chǎng)是什么，你解決的問(wèn)題對(duì)你的客戶(hù)有多大價(jià)值，等等。也就是說(shuō)，很快就會(huì)有任何“AI”創(chuàng)業(yè)公司 - 他們將成為工業(yè)過(guò)程分析公司，法律平臺(tái)公司或銷(xiāo)售優(yōu)化公司。事實(shí)上，機(jī)器學(xué)習(xí)的傳播并不意味著谷歌變得更強(qiáng)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(xué)建立事物。

這讓我想到了我在其他地方使用過(guò)的比喻 - 我們應(yīng)該將機(jī)器學(xué)習(xí)與SQL進(jìn)行比較。它是一個(gè)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(jìng)爭(zhēng)對(duì)手，你會(huì)落后。有些人會(huì)用這種方式創(chuàng)建全新的公司 - 沃爾瑪成功的一部分來(lái)自于使用數(shù)據(jù)庫(kù)來(lái)更有效地管理庫(kù)存和物流。但是今天，如果你創(chuàng)辦了一家零售商并說(shuō)“......我們將要使用數(shù)據(jù)庫(kù)”，這不會(huì)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(jī)器學(xué)習(xí)也會(huì)發(fā)生同樣的情況。

本文為簡(jiǎn)譯，更多詳情請(qǐng)參見(jiàn)原文。

文章來(lái)源： 網(wǎng)易云社區(qū)