一部機器懂得學習並讓自己做新的事物起來令人興奮。因此，人們也認為這些功能更強大的設備將執行的應用程序也將是令人興奮的?

它不一定如此。實際上，許多基於機器學習的應用程序和它們所適合的人工智能平台可以像更高效地運行應付賬款部門一樣乏味。然而，沉悶是在旁觀者的眼中。對於一位不經意的觀察者而言，對於首席財務官，首席執行官和其他高管而言，可能會感到非常興奮。

Dataiku的首席分析架構師Ken Sanford博士說，現代機器學習可以被理解為統計數據在一端的計算機科學。今天取得的進展將針頭推向計算機科學家。這使得這些工具更實用，更易於實施。

Sanford描述了一個Dataiku客戶端，為大約4,000家B-to-B公司提供推薦引擎。機器學習正在發揮關鍵作用。 “從學到什麼東西到使用它的時間順序幾乎同時發生，”桑福德說。 “最重要的是，每週，這些公司都可能獲得新的信息。由於翻譯的速度加快了，他們能夠以最少的翻譯時間更新和部署模型。”

雖然機器學習和人工智能密切相關，但一個人可以在沒有其他人的情況下進行操作。例如，在評估新數據時，機器學習應用程序搜索與信息竊取相關的某些單詞或短語的電子郵件可以改善其性能。然而，它所能做的就是更有效地找到可疑的單詞或短語。

人工智能的智能能力將進一步發揮作用。例如，組合包可以得出結論，包含可疑數據的電子郵件有70％的可能性來自特定的機器或物理位置。雖然可以區分機器學習和AI平台完成的工作，但在大多數情況下，它們在同一平台上與計算機視覺和自然語言處理相結合。

更好，而不僅僅是更快，更智能

機器學習和人工智能的第一步是做人和人類完成的事情，更快更有效。下一步是在質量上做得更好。人類可以在電子郵件中搜索單詞和短語作為一台機器，但只是數量級更慢。機器學習平台的下一步是做一些事情，比如預測胸部圖像上的模糊區域是否比人類表現出更好的癌症。 SAS的業務戰略總監Kimberly Nevala表示，“這種情況正在向上移動。”

Nevala說，無論是否鏜孔，今天機器學習的用途很多。她指出銀行應用程序使用機器人過程自動化（RPA）來跟踪自動資金轉移，跟踪失敗的交易，並響應常規數據請求。在零售行業，人工智能可以跟踪客戶情緒並確定新興的興趣領域。人工智能和機器學習可用於理解非結構化數據，如電子郵件。

資訊：工作辛苦獎勵自己學結他唱歌，輕鬆減壓，又能增加自己的技能！(查看報名詳情…)

PROs的首席人工智能戰略家Michael Wu博士表示，人工智能的四大早期用途是人工/計算機接口，如Siri，這是一家使用人工智能和其他工具為客戶提供動態定價的公司。 ，Alexa和Cortana;推薦引擎;自動駕駛汽車，自動化和商業決策。

機構或組織準備AI及其機器學習組件非常重要。常識性步驟包括創建強調安全性和數據盡可能“乾淨”的環境。培訓那些將根據角色細節使用系統的人也很重要，並向他們闡明人工智能和機器學習可以幫助他們更有效地完成工作，減少死記硬背，並讓他們更加精彩，創造性 – 也許是高薪 – 就業。

“許多技術人員犯的錯誤是，他們會立即深入研究工具和技術，而不考慮這種機器學習或分析轉換所需的方法，流程和組織協調，”產品戰略高級總監Vince Jeffs說。在Pega Systems。

傑夫斯說，聯絡中心的機器學習和人工智能很好地說明瞭如何處理強大的新工具。如果新系統在未經過他或她的培訓或買入的情況下被代理人強加，則結果可能是中性或負面的。充其量，該技術將被慢慢接受。在電信公司設置中，機器學習可以幫助預測訂戶是否可能流失。有效地執行此操作可以啟用步驟來解決訂戶的顧慮。 “我們稱之為主動保留，”他說。 “這是從反應到主動的轉變。”

機器學習：一個變大的大世界

Jeffs說，Pega Systems提供自適應流失減少和文本分析工具。分析工具搜索電子郵件 – 例如發送到幫助台的電子郵件 – 以評估作者的情緒。該平台了解正在引用的產品或服務，作者的一般情緒以及正在考慮的行動。系統可能會根據緊急程度了解最佳路由消息的位置。在未來，傑夫斯表示，系統將能夠檢測靜止圖像和視頻中的情緒和情緒。

人工智能世界今天很大，未來幾年將會大幅增長。機器學習是這一願景的核心。

資訊：工作辛苦獎勵自己學結他唱歌，輕鬆減壓，又能增加自己的技能！(查看報名詳情…)

“我們確實採用了統計數據並將其與計算機科學相結合，”Dataiku的桑福德說。 “數學已經存在了很長時間。算法的基本原理已經存在了很長時間。計算機已經變得更好，存儲更好，並且[使用它的平台]已經得到了好了很多。”

對於以上消息，各位298電腦讀者又怎看呢？

歡迎到我們的<<討論區>>分享你的意見。

灣仔298電腦資訊網
免費網上電腦雜誌，電腦IT人集中地!

網址：www.wanchai298.com