2018年人工智能和机器学习路在何方? 听听美国公司怎么做

　　本文为美国著名数据分析网站DZone分析师Tom Smith与Exaptive的副总裁Matt Coatney的专访对话，对人工智能和机器学习的未来做了深度的探讨。Exaptive是一家美国俄克拉荷马州以提供大数据分析产品及服务为主的初创企业。

　　本文由可译网言午二二 , Amanda沈两位朋友翻译。

　　Exaptive的副总裁Matt Coatney

　　下面是正文：

　　感谢Exaptive的副总裁Matt Coatney抽空与我谈人工智能和机器知识的现状，以及他如何是看待其发展的。

　　Tom Smith: 成功的人工智能/机器知识策略的关键是什么？

　　Matt Coatney: 与DevOps(开发运营)不同的是，它涉及到更多的人员和方法，因为新技术正在给商业管理战略带来变革。一方面，它可以替代人们所做的工作，并且更有效、可靠、高效地完成这些任务。另一方面，以前不可行的新商业模式变得可行。

　　Matt分享了一些例子:

　　在医学方面，IBM的Watson在不到10分钟内就发现了一组完全不同于一组医生所认为的白血病类型。

　　硅谷的一家生物科技公司Atomwise正在寻找现有的药物来应用于新目标，并在一天内发现了两种可阻止埃博拉病毒传播的药物。这种类型的研究往往都是需要几年时间。

　　Tom Smith:企业如何通过人工智能和机器知识来获得更多的大数据？

　　Matt Coatney: 与需要解决特殊商业问题的技术相比，企业更多地把时间花费在他们认为他们所需要的技术上。企业需要思考他们正试图解决的问题以及如何使解决方案让客户满意。思考如何让解决方案生效，以便你可以实现一个积极的回报率，进一步谈下一个项目和合作机会。设定你的成功标准并快速取胜。这与我们过去20年来在IT方面所做的项目没有什么区别，我们只需要牢记最佳方法。

　　Tom Smith: 问：在过去的一年里人工智能/机器学习是如何变化的？

　　Matt Coatney：在过去的五六十年中许多方法一直是一样的，只是我们有了更强大的计算机，有更多内存和优化算法，比如深度学习，因此我们能在很短的时间内获得更好的结果。例子包括Facebook的面部识别和Google的无人驾驶轿车。另外，我们现在有这样的人工智能服务，公司可以从电脑上租用时间，发出请求，并在记录时间内获取信息。这降低了准入门槛，同时保证了世界任何组织得到与Facebook和Google相同的质量水平。

　　Tom Smith：你用什么技术解决方案来收集和分析数据？

　　Matt Coatney: 大多数企业专注于大数据“Hadoopesque”工具。我们也可以这么做，但是我们也可以使用如SQL、NoSQL、Microsoft和Python’s的scikit-learn库等较小的数据工具来找到价值。无论数据规模如何，还有许多价值有待从现有数据中去挖掘。

　　Tom Smith：客户用人工智能/机器知识来解决哪些现实问题？

　　Matt Coatney：任何有关预测、重新连接或内容预测—Netflix风格的应用程序。金融模型和高级财务模型的大众化。此外，可帮助机构通过标记概念、关键词等从内容中获得更多价值的内容和知识管理工具。

　　Tom Smith：您认为阻碍公司从人工智能/机器学习获利的最常见的问题是什么？

　　Matt Coatney：公司关注工具和平台而不是他们正在试图解决的企业问题。他们需要把炒作与现实分开，了解工具能做什么，不能做什么。营销炒作正在被收购，并产生不切实际的期望。这需要对工具进行更好的审核与了解。要明白，为工业培训人工智能和使用例子(例如，律师如何写作和交谈)需要一定的时间。

　　Tom Smith: 对于人工智能/机器知识的可持续发展的最大机会在哪里？

　　Matt Coatney:我对于人工智能作为一种服务而感到兴奋，它为开发人员和想要创业的企业家迅速提供了机会，而且无需太多费用。

　　知识空间里的决策支持和自动化。对问题更开阔的看法带来更好、更中肯的解决方案。