译/ 阿里淘系商家团队 - 革新

本文是技术文章《Why businesses fail at machine learning》的翻译和补充。发布者：Cassie Kozyrkov（Google决策智能工程师）

我想告诉你一个秘密：当人们说“机器学习”时，听起来这里只有一门学科。实际上有两种，如果企业不了解它们之间的区别，那么他们可能会遇到麻烦的世界。

两个机器学习的故事

想象一下，雇用一名厨师为您建造烤箱或电气工程师为您烤面包。当涉及到机器学习时，这就是我看到的企业一遍又一遍的错误。

如果您要开一家面包店，最好聘请经验丰富的面包师，他们精于制作美味面包和糕点的细微差别。您还需要烤箱。尽管这是一个至关重要的工具，但我敢打赌，您不会让您的顶级糕点师承担了解如何制造烤箱的任务；那么，为什么您的公司专注于机器学习领域？

您从事做面包的生意吗？还是做烤箱？

这些是不同的业务！不幸的是，太多的机器学习项目失败了，因为团队不知道他们应该制造烤箱，食谱还是面包。

机器学习研究

他们没有告诉您的是，所有这些机器学习课程和教科书都是关于如何从头开始构建烤箱（以及微波炉，搅拌器，烤面包机，水壶……厨房水槽！）的方法，而不是关于如何烹饪东西和通过食谱创新的方法。

如果您构建机器学习算法，则您的重点是通用工具，供他人使用。（如果您喜欢用类比的话，则为厨房用具。）这项业务称为机器学习研究，通常由学术界或Google之类的机构来完成。

在机器学习方面，许多组织从事的业务不正确。

您需要接受大量的教育才能从事这一领域的工作，因为这里历史悠久。一些流行的算法已经存在了几个世纪。例如，最小二乘回归方法于1805年发布。相信我，人类已经走了200年之久。

如今，那里有一些相当复杂的电器……如果您不知道这种微波炉的工作原理，您将如何制造更好的微波炉？当然，您需要进行所有沉浸式学习！成为一名研究人员需要花费数年的时间，并且有充分的理由认为101门课程从微积分的基础开始。

应用机器学习

大多数企业只是想做饭-解决他们的业务问题。他们对销售微波炉没有兴趣，但是经常犯错误的尝试从头开始制造这些设备。很难怪他们-当前的炒作和教育周期主要集中在研究而不是应用上。

如果您正在使用食谱进行创新，请不要重新发明轮子。那些微波已经存在。您可以从许多地方免费获得它们。而且，如果设置自己的机器学习厨房听起来有些杂事，那么Google Cloud Platform之类的提供程序就可以让您使用它们，以及各种用具，食材和食谱书。

如果您在厨房中进行创新，请不要重新发明轮子。

对于大多数应用程序，您的团队不需要了解神经网络中反向传播的数学知识，也不需要厨师了解微波接线图。但是，如果您打算运行工业规模的厨房，则需要了解很多信息，从整理食材到在上菜前检查菜品是否良好，无所不包。

您卖哪个？雇用合适的团队取决于您的答案。

机器学习崩溃和燃烧

不幸的是，我看到许多企业无法从机器学习中获得价值，因为他们没有意识到应用方面与算法研究方面是完全不同的学科。相反，领导者试图通过雇用那些一生都在建造微波炉零件但从未煮过东西的人来开始他们的厨房。可能出什么问题了？如果那行得通，那是因为您很幸运，无意中雇用了一位出色的厨师工程师。

但是通常你并不幸运。一生中只有这么几个小时，如果您花时间学习微波炉的接线方式，那么您将更少的时间用于掌握糕点或商业艺术品。何时何地！-您的受过博士学位训练的人工智能研究人员是否已获得应用机器学习所需的技能？如果您对这两者都是专家的混合动力车感到放心，难怪您会抱怨人才短缺！

如果您尝试通过雇用一生一直在制作微波炉零件但从未煮过东西的人来开一家餐厅，那可能出什么问题了？

您应该雇用谁呢？就像在工业厨房中一样，您需要一支跨学科团队，其领导层必须了解这一领域。否则，项目就会失败，并且一事无成。

招聘合适的团队

如果您要销售尖端设备，请雇用研究人员。如果您正在创新配方以大规模销售食品，那么您需要的人需要弄清楚什么值得做/目标是什么（决策者和产品经理），了解供应商和客户的人（领域专家和社会科学家）），可以大规模加工配料的人员（数据工程师和分析师），可以快速尝试许多不同配料-电器组合以生成潜在配方的人员（应用ML工程师），可以检查配方质量是否足够的人员服务（统计学家），将潜在的食谱有效地转化为数百万种菜肴的人员（软件工程师），使跨学科团队保持正常运转的人员（项目/程序经理）以及确保即使您的菜肴保持一流水平的人员，送货卡车带给您的是一吨土豆，而不是您订购的米饭（可靠性工程师）。

尽管这些人不必是单独的人，但是请确保您已经涵盖了每个角色。在您因提供如此不完整的漫画而向我扔烂番茄之前，我会自由地承认，招聘应用机器学习还有很多话要说。我已经将其外包给其他帖子，包括这篇文章。

说到外包，如果您的团队尝试了所有现有工具并且无法制定出满足您的业务目标的配方，那么考虑增加建筑设备方面的技能（研究人员）是很有意义的。您是否聘请此人给您的常任员工或将工作外包给经验丰富的算法研究公司，取决于您的运营规模和成熟程度。

与研究人员建立联系的另一个原因是，您的原型是如此成功，以至于使用量身定制的设备在您有足够的运气的情况下是有意义的。（有一个大问题！）

决策智能

专家应该在谈论这个，但事实并非如此。他们没有把握在这里确实有两次机器学习的事实，因此世界正在训练人们构建所有这些算法，而不是使用它们。

我的团队正在努力解决该问题。我们已经创建了一个涵盖应用方面的新学科，并且已经在其中培训了15,000多名员工。我们称其为决策智能，它涵盖了机器学习和数据科学的所有应用方面。

换句话说，如果研究机器学习正在构建微波，而应用机器学习正在使用微波，则决策智能就是安全地使用微波来满足您的目标，而在不需要微波的情况下使用其他方法。

祝好运并玩得开心点！

在应用机器学习方面，最困难的部分是在将其提供给客户之前要知道您想烹饪什么以及如何计划进行检查。这部分实际上并不难-只是不要忘记这样做。

至于其余的问题，用机器学习解决业务问题要比大多数人想象的容易得多。那些闪闪发光的厨房正等着您来玩。像在真正的厨房中那样潜水。开始修补！每当我遇到一个认为他们需要参加传统机器学习算法课程的人时，还是天哪！整个学位-为了上手，我不禁想像他们在使用自己的微波炉之前拒绝使用微波炉。不要骗人的谎言说您需要博士学位才能通过机器学习完成出色的工作。相反，您真正需要的是一点人类创造力。祝好运并玩得开心点！

 

---