高級(jí)機(jī)器學(xué)習(xí)支持全新數(shù)字現(xiàn)實(shí)

——阿爾法圍棋（AlphaGo）凸顯高級(jí)機(jī)器學(xué)習(xí)在監(jiān)督式學(xué)習(xí)領(lǐng)域的強(qiáng)大功能

作者：Gartner研究副總裁暨院士級(jí)分析師David W. Cearley，Gartner研究總監(jiān)Mike J. Walker，Gartner首席研究分析師呂俊寬

機(jī)器學(xué)習(xí)取得顯著進(jìn)展

雖然機(jī)器學(xué)習(xí)的基本概念由來(lái)已久，但如今正變得炙手可熱。在斯坦福大學(xué)，機(jī)器學(xué)習(xí)是最受歡迎的研究生課程，報(bào)讀該課程的學(xué)生多達(dá)760人。此外，全球領(lǐng)先的信息技術(shù)研究和顧問公司Gartner的研究顯示，高級(jí)分析（涵蓋機(jī)器學(xué)習(xí)）是業(yè)務(wù)分析軟件市場(chǎng)內(nèi)增速最快的細(xì)分領(lǐng)域。

高級(jí)機(jī)器學(xué)習(xí)算法由多種用于無(wú)監(jiān)督與監(jiān)督式學(xué)習(xí)的技術(shù)構(gòu)成（如：深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和自然語(yǔ)言處理等），并基于當(dāng)前信息而運(yùn)行。高級(jí)機(jī)器學(xué)習(xí)已經(jīng)從此前提供基于算法的解決方案，向更具洞察力、自我引導(dǎo)與自主化轉(zhuǎn)變。它與萬(wàn)物信息化（information-of-everything）技術(shù)聯(lián)系密切，例如：數(shù)學(xué)優(yōu)化、文本挖掘、統(tǒng)計(jì)分析、搜索引擎和動(dòng)態(tài)本體論。

數(shù)據(jù)大爆炸和信息復(fù)雜化使得人工分類與分析變得不再可行和成本高昂。機(jī)器學(xué)習(xí)可自動(dòng)執(zhí)行這些任務(wù)，并能夠處理萬(wàn)物信息化所帶來(lái)的主要挑戰(zhàn)。

監(jiān)督式學(xué)習(xí)是高級(jí)機(jī)器學(xué)習(xí)在業(yè)界最普遍的應(yīng)用，涵蓋約95%的機(jī)器學(xué)習(xí)使用案例。監(jiān)督式學(xué)習(xí)需要“培訓(xùn)數(shù)據(jù)”，它將通過描述機(jī)器學(xué)習(xí)系統(tǒng)在觀察與執(zhí)行結(jié)果之間的預(yù)期映射而“傳授”機(jī)器學(xué)習(xí)模型。

這些映射可以用于預(yù)測(cè)數(shù)量（如：收入或需求預(yù)測(cè)），或劃分或預(yù)測(cè)特定事件發(fā)生的概率（如：機(jī)器故障與客戶購(gòu)買或反復(fù)買賣）。

谷歌收購(gòu)DeepMind凸顯了高級(jí)機(jī)器學(xué)習(xí)在監(jiān)督式學(xué)習(xí)領(lǐng)域內(nèi)的強(qiáng)大功能。DeepMind的阿爾法圍棋利用信息自我學(xué)習(xí)中國(guó)圍棋，然后采取自主行動(dòng)。這一功能可讓其發(fā)現(xiàn)自行完成任務(wù)的方法，例如：識(shí)別與響應(yīng)面部表情、響應(yīng)語(yǔ)言和翻譯各種語(yǔ)言。

高級(jí)機(jī)器學(xué)習(xí)支持全新數(shù)字現(xiàn)實(shí)

高級(jí)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展趨勢(shì)為各企業(yè)機(jī)構(gòu)提供了贏得未來(lái)成功的基本能力。以下各行業(yè)的業(yè)務(wù)情景反映了高級(jí)機(jī)器學(xué)習(xí)的多種潛能：

推薦零售產(chǎn)品：機(jī)器學(xué)習(xí)可以從源自零售店凝視技術(shù)到智能手機(jī)傳感器數(shù)據(jù)的網(wǎng)購(gòu)歷史和產(chǎn)品偏好中挖掘分散的數(shù)據(jù)集，從而創(chuàng)建購(gòu)買傾向模型，預(yù)測(cè)客戶最可能購(gòu)買的產(chǎn)品類型。

保險(xiǎn)動(dòng)態(tài)定價(jià)：根據(jù)具體市場(chǎng)的狀況，例如：盜竊頻發(fā)、房屋經(jīng)濟(jì)泡沫、歷史銷售、自然災(zāi)害或者消費(fèi)者的選擇性數(shù)據(jù)共享，創(chuàng)建預(yù)測(cè)模型，動(dòng)態(tài)調(diào)整保險(xiǎn)費(fèi)率。

酒店業(yè)在線風(fēng)險(xiǎn)化解：隨著新業(yè)務(wù)生態(tài)系統(tǒng)紛紛涌現(xiàn)并重新定義各個(gè)行業(yè)（例如酒店業(yè)），這些生態(tài)系統(tǒng)及其社區(qū)的欺詐行為正造成日益增多的風(fēng)險(xiǎn)。諸如Airbnb等企業(yè)可利用機(jī)器學(xué)習(xí)構(gòu)建風(fēng)險(xiǎn)模型，保護(hù)客戶。

優(yōu)化借貸：高級(jí)機(jī)器學(xué)習(xí)解決方案可以反映出貸款申請(qǐng)人的詳細(xì)信息（如：人口統(tǒng)計(jì)數(shù)據(jù)以及信用和償還歷史），從而預(yù)測(cè)該申請(qǐng)人的某筆貸款發(fā)生違約的概率。

零售銀行欺詐偵測(cè)：可以創(chuàng)建算法，開展評(píng)估和為當(dāng)前的實(shí)時(shí)交易建模，并根據(jù)受欺詐概率構(gòu)建交易預(yù)測(cè)模型。

城市公用事業(yè)實(shí)時(shí)決策：例如，高級(jí)機(jī)器學(xué)習(xí)可以根據(jù)風(fēng)輪機(jī)、太陽(yáng)能電池板與土壤致動(dòng)器構(gòu)建概率模型，動(dòng)態(tài)調(diào)節(jié)水電，以降低維護(hù)成本，盡可能減少停機(jī)時(shí)間。

患者診斷：通過收集來(lái)自如下潛在來(lái)源的數(shù)據(jù)：當(dāng)前生命體征、癥狀、家庭實(shí)驗(yàn)室測(cè)試或者來(lái)自演算醫(yī)療設(shè)備的歷史生命體征，高級(jí)機(jī)器學(xué)習(xí)可以向醫(yī)生提供更準(zhǔn)確的醫(yī)療狀況分類，包括治療或處理建議。

創(chuàng)造安全工作條件：對(duì)于員工可能在危險(xiǎn)環(huán)境下工作的企業(yè)機(jī)構(gòu)而言，機(jī)器學(xué)習(xí)可以根據(jù)對(duì)空氣質(zhì)量、設(shè)備性能、員工生產(chǎn)力、甚至是非典型行為進(jìn)行測(cè)量而得到的傳感器數(shù)據(jù)探測(cè)預(yù)警信號(hào)，以便預(yù)測(cè)事故發(fā)生概率。

客戶服務(wù)自動(dòng)化：虛擬助理將主動(dòng)接待來(lái)電尋求支持的客戶，它通過認(rèn)知能力傾聽客戶之聲（語(yǔ)音識(shí)別），并進(jìn)而映射到引導(dǎo)式培訓(xùn)集與知識(shí)庫(kù)，德克薩斯州奧斯丁市和美國(guó)汽車保險(xiǎn)公司（USAA）均采用了此功能。