2016年機(jī)器學(xué)習(xí)有三大趨勢(shì)。其中，Gartner分析認(rèn)為，算法將形成一個(gè)全球性的交易市場(chǎng)，就像當(dāng)年的App經(jīng)濟(jì)，催生出全新一代的專業(yè)技術(shù)初創(chuàng)企業(yè)，并且革新機(jī)器與機(jī)器之間的交互方式；算法是創(chuàng)造智能應(yīng)用的基石。同時(shí)，更多的數(shù)據(jù)將生成更好的模型和用戶體驗(yàn)，進(jìn)而吸引更多的用戶以及更多的數(shù)據(jù)，而這將導(dǎo)致儲(chǔ)存和計(jì)算數(shù)據(jù)的成本持續(xù)降低。

　　上個(gè)月，在被視為美國(guó)人工智能發(fā)展另一片新天地的西雅圖，Madrona風(fēng)險(xiǎn)投資集團(tuán)舉辦了一場(chǎng)機(jī)器學(xué)習(xí)與人工智能峰會(huì)。100多個(gè)專家、研究者和記者匯聚一堂，討論人工智能的未來(lái)、機(jī)器學(xué)習(xí)的趨勢(shì)，以及如何設(shè)計(jì)更智能的應(yīng)用程序。

　　算法公司Algorithmia的MattKiser參加本次峰會(huì)后總結(jié)，如今，每家公司都成了數(shù)據(jù)公司，能夠在云中使用機(jī)器學(xué)習(xí)來(lái)大規(guī)模地部署智能應(yīng)用，這得益于機(jī)器學(xué)習(xí)的三大發(fā)展趨勢(shì)。

　　“每個(gè)成功的新應(yīng)用程序都將是智能應(yīng)用，”Madrona風(fēng)險(xiǎn)投資集團(tuán)的投資合伙人Somasegar說(shuō)。“智能模塊和學(xué)習(xí)功能將成為應(yīng)用的大腦。”Somasegar曾是微軟副總裁，負(fù)責(zé)軟件開(kāi)發(fā)者部門，2015年離職，加入Madrona。

　　下面就來(lái)看看，機(jī)器學(xué)習(xí)的這三大趨勢(shì)將如何讓?xiě)?yīng)用變得更智能。

　　算法將形成經(jīng)濟(jì)

　　Gartner副總裁兼研究員PeterSondergaard說(shuō)，“從根本上來(lái)說(shuō)，數(shù)據(jù)是不會(huì)說(shuō)話的，真正的價(jià)值在算法，算法決定行動(dòng)”。

　　Gartner副總裁：算法才是真正價(jià)值所在

　　如果你不去利用數(shù)據(jù)，世界上的數(shù)據(jù)就不會(huì)有用。算法其實(shí)指的是如何在業(yè)務(wù)過(guò)程中有效拓展人為管理，利用數(shù)據(jù)。

　　“世界上所有大規(guī)模的東西都將被數(shù)據(jù)和算法所管理，”微軟機(jī)器學(xué)習(xí)和數(shù)據(jù)集團(tuán)全球副總裁JosephSirosh說(shuō)。在不遠(yuǎn)的未來(lái)，“所有業(yè)務(wù)都將成為算法業(yè)務(wù)”。

　　而這，將催生出“算法經(jīng)濟(jì)”：算法交易將會(huì)形成一個(gè)全球性的市場(chǎng)，世界各地的研究人員、工程師都能在這個(gè)市場(chǎng)上創(chuàng)造、分享乃至合成大規(guī)模的新算法。屆時(shí)，算法也將變得像集裝箱一樣，能夠任意組和擴(kuò)展，從而搭建適用于不同應(yīng)用的架構(gòu)。

　　也就是說(shuō)，多個(gè)機(jī)器學(xué)習(xí)算法可以結(jié)合起來(lái)成為更強(qiáng)大的算法，從而更好地分析數(shù)據(jù)，充分發(fā)掘數(shù)據(jù)里的價(jià)值。

　　在算法經(jīng)濟(jì)中，前沿的技術(shù)項(xiàng)目，無(wú)論是先進(jìn)的智能助理，還是能夠自動(dòng)計(jì)算庫(kù)存的無(wú)人機(jī)，最終都將落實(shí)成為實(shí)實(shí)在在的代碼，供人使用和交易。

　　上圖的智能應(yīng)用列表揭示了智能應(yīng)用的抽象層級(jí)：從最下一層起，先是數(shù)據(jù)基礎(chǔ)設(shè)置，接下來(lái)是數(shù)據(jù)收集和準(zhǔn)備，再來(lái)是建造模塊和服務(wù)，第4層是交互界面，最后才是消費(fèi)者直接用到的服務(wù)。而要實(shí)現(xiàn)上圖中的智能應(yīng)用，無(wú)論是那一層，都離不開(kāi)算法。

　　算法是創(chuàng)造智能應(yīng)用的基石。

　　至于數(shù)據(jù)——國(guó)際人工智能學(xué)會(huì)Fellow、香港科技大學(xué)冠名講座教授楊強(qiáng)就試圖用遷移學(xué)習(xí)讓計(jì)算機(jī)擺脫對(duì)大數(shù)據(jù)的嚴(yán)重依賴，從而讓人工智能不再只是“富人的游戲”。也就是說(shuō)，如果算法足夠強(qiáng)大，大數(shù)據(jù)并非必須。

　　“算法市場(chǎng)類似于App商店，后者創(chuàng)造了所謂的App經(jīng)濟(jì)。”Gartner的研究總監(jiān)AlexanderLinden說(shuō)。“App經(jīng)濟(jì)的本質(zhì)是，讓各種各樣的個(gè)人能夠在全球范圍內(nèi)發(fā)行和銷售軟件，而不需要用自己的想法去說(shuō)服投資人或建立自己的銷售、市場(chǎng)和分發(fā)渠道。”

　　Gartner曾發(fā)表報(bào)告，對(duì)算法經(jīng)濟(jì)可能帶來(lái)的市場(chǎng)影響做出評(píng)估。Gartner認(rèn)為，算法經(jīng)濟(jì)將無(wú)可避免地創(chuàng)造一個(gè)全新的市場(chǎng)，人們可以對(duì)各種算法進(jìn)行買賣，為當(dāng)下的公司匯聚大量的額外收入，并催生出全新一代的專業(yè)技術(shù)初創(chuàng)企業(yè)。

　　想象這樣一個(gè)市場(chǎng)：數(shù)十億的算法都是可以買賣的，每一個(gè)算法代表的是一種軟件代碼，能解決一個(gè)或多個(gè)技術(shù)難題，或者從物聯(lián)網(wǎng)的指數(shù)級(jí)增長(zhǎng)中創(chuàng)造一個(gè)新的機(jī)會(huì)。

　　正如App變革了人類與機(jī)器的交互方式一樣，我們將會(huì)看到，算法經(jīng)濟(jì)將會(huì)促進(jìn)下一代機(jī)器對(duì)機(jī)器互動(dòng)演進(jìn)的巨大飛躍。

　　人們將會(huì)通過(guò)產(chǎn)品使用的算法來(lái)評(píng)價(jià)它的性能好壞。企業(yè)的競(jìng)爭(zhēng)力也不僅僅在于大數(shù)據(jù)，還要有能夠把數(shù)據(jù)轉(zhuǎn)換為實(shí)際應(yīng)用的算法。因此，CEO應(yīng)該關(guān)注公司有產(chǎn)權(quán)的算法，而不僅僅是大數(shù)據(jù)。

　　其中，最好的例證莫過(guò)于Mobileye，這家市值已經(jīng)超過(guò)百億的以色列算法公司在2014年8月IPO時(shí)，首日漲幅接近50%。此前的智駕深談中，新智元也提到過(guò)，截至2015年底，Mobileye在全球有超過(guò)1000萬(wàn)裝機(jī)量，覆蓋超過(guò)20家車企的273款車型。集成度極高的解決方案，快速的市場(chǎng)推進(jìn)速度，無(wú)一不讓所有人覺(jué)得眼前一亮，這些成功的背后，都是因?yàn)槠涠嗄攴e累的強(qiáng)大算法在支撐。

　　Mobileye為特斯拉提供的自動(dòng)駕駛系統(tǒng)是全球首個(gè)實(shí)際上路的DNN。

　　5月，被英特爾收購(gòu)的初創(chuàng)公司Itseez，其核心技術(shù)是一套名叫“駕駛員高級(jí)助理系統(tǒng)”的視覺(jué)算法，能讓汽車硬件識(shí)別出行人和交通標(biāo)志，探測(cè)汽車何時(shí)偏離車道，并對(duì)可能發(fā)生的碰撞提出警報(bào)。這類技術(shù)目前已應(yīng)用于高端汽車；將來(lái)當(dāng)自動(dòng)駕駛汽車實(shí)際上路時(shí)，該技術(shù)或?qū)⒆兊酶又匾?/p>

　　差不多在同一時(shí)間，ARM以3.5億美元收購(gòu)了英國(guó)計(jì)算視覺(jué)公司Apical。Apical是全球領(lǐng)先的圖像和嵌入式計(jì)算視覺(jué)公司，擁有多項(xiàng)計(jì)算視覺(jué)IP模塊。不僅如此，現(xiàn)在全球有超過(guò)15億臺(tái)智能手機(jī)和3億臺(tái)網(wǎng)絡(luò)攝像機(jī)、數(shù)碼靜態(tài)相機(jī)和平板使用Apical的圖像產(chǎn)品。像這樣既有數(shù)據(jù)又有算法的公司，ARM以3.5億美元收購(gòu)用以鞏固計(jì)算視覺(jué)和圖像處理技術(shù)壁壘，也就不令人意外了。

　　MagicPony的算法看了左邊的圖片后，自動(dòng)生成右邊的圖片。

　　還有剛剛過(guò)去的熱潮，Twitter據(jù)稱用1.5億美元收購(gòu)只有十幾個(gè)員工的英國(guó)初創(chuàng)公司MagicPony。根據(jù)英國(guó)專利局網(wǎng)頁(yè)，這家機(jī)器學(xué)習(xí)算法公司在圖像和視頻處理方面擁有15項(xiàng)專利(MagicPony官網(wǎng)稱擁有超過(guò)20項(xiàng))。其中，最有名的算法能夠利用圖像中原本沒(méi)有的信息，提高圖像的分辨率，這些新的數(shù)據(jù)是算法從以前看過(guò)的、與待處理圖像類似的大量圖像中生成的，這個(gè)算法的工作原理跟人眼類似。

　　數(shù)據(jù)飛輪效應(yīng)

　　數(shù)據(jù)和云存儲(chǔ)遵從摩爾定律：每過(guò)兩年，世界上的數(shù)據(jù)量就會(huì)翻倍，同時(shí)用于存儲(chǔ)這些數(shù)據(jù)的成本則會(huì)以同樣的速度下降。這些大量的數(shù)據(jù)使得人們可以創(chuàng)造出更多的產(chǎn)品特征和更好的機(jī)器學(xué)習(xí)模型。

　　Somasegar用“數(shù)據(jù)飛輪效應(yīng)”來(lái)形容這個(gè)情形：在智能應(yīng)用的世界里，數(shù)據(jù)為王，而那些能夠產(chǎn)生出最高質(zhì)量數(shù)據(jù)的服務(wù)將獲得壓倒性的優(yōu)勢(shì)——更多的數(shù)據(jù)生成更好的模型、更好的用戶體驗(yàn)，進(jìn)而吸引更多的用戶以及更多的數(shù)據(jù)。換句話說(shuō)，也就是形成一個(gè)閉環(huán)和正反饋。

　　例如，Tesla收集了7.8億英里的駕駛數(shù)據(jù)，每過(guò)10小時(shí)里程數(shù)就會(huì)遞增100萬(wàn)英里。

　　這些數(shù)據(jù)被喂給了Telsa的輔助駕駛程序Autopilot，它使用超聲傳感器、雷達(dá)和攝像機(jī)以在不與人互動(dòng)的情況下進(jìn)行駕駛和改變車道和避免碰撞。最終，這些數(shù)據(jù)將成為他們計(jì)劃在2018年發(fā)布的自動(dòng)駕駛汽車的基礎(chǔ)。

　　谷歌的自動(dòng)駕駛項(xiàng)目只積累了150萬(wàn)英里的駕駛數(shù)據(jù)。與之相比，Telsa的數(shù)據(jù)飛輪效應(yīng)更加強(qiáng)勁有力。

　　云端人工智能

　　一家公司要想發(fā)現(xiàn)其業(yè)務(wù)中的洞見(jiàn)，使用算法機(jī)器智能從其數(shù)據(jù)中進(jìn)行迭代學(xué)習(xí)是唯一可擴(kuò)展的方式。要知道，這一直以來(lái)都成本高昂，也不一定有產(chǎn)出。

　　Sirosh說(shuō)，今天的數(shù)據(jù)科學(xué)就像40年前的裁縫一樣費(fèi)時(shí)費(fèi)力。

　　例如，一家公司需要首先收集定制數(shù)據(jù)，雇傭一個(gè)數(shù)據(jù)科學(xué)家團(tuán)隊(duì)，持續(xù)地開(kāi)發(fā)并優(yōu)化模型，以跟上快速改變和增長(zhǎng)的數(shù)據(jù)的步伐——而這只是工作的開(kāi)始。

　　現(xiàn)在，當(dāng)擁有更多的數(shù)據(jù)，而存儲(chǔ)數(shù)據(jù)的成本也下降之后，機(jī)器學(xué)習(xí)開(kāi)始向云端遷移；在云上，可擴(kuò)展的網(wǎng)絡(luò)服務(wù)是可以隨叫隨用的API。數(shù)據(jù)科學(xué)家不再需要管理基礎(chǔ)設(shè)施或?qū)崿F(xiàn)自定義代碼。系統(tǒng)將為他們實(shí)現(xiàn)這些功能，實(shí)時(shí)產(chǎn)生新的模型，并提供更快、更準(zhǔn)確的結(jié)果。

　　數(shù)據(jù)顯示，谷歌從2012年到2015年，使用深度學(xué)習(xí)技術(shù)的軟件數(shù)量每年都在急劇增長(zhǎng)，2012年只有100個(gè)左右，到了2015年第四季度前，已經(jīng)有近2700個(gè)。

　　“當(dāng)用來(lái)建造和部署機(jī)器學(xué)習(xí)模型的成本大大變小，當(dāng)你可以‘批量生產(chǎn)’它時(shí)，我們就可以從云端廣泛地獲取機(jī)器學(xué)習(xí)所需的數(shù)據(jù)了。”

　　正在涌現(xiàn)的機(jī)器智能平臺(tái)可以以“模型作為服務(wù)”的方式，托管預(yù)訓(xùn)練過(guò)的機(jī)器學(xué)習(xí)模型，從而令企業(yè)能夠更容易地開(kāi)啟機(jī)器學(xué)習(xí)，快速將其應(yīng)用從原型轉(zhuǎn)化成產(chǎn)品。

　　“當(dāng)企業(yè)們采用了微服務(wù)(microservice)發(fā)展范式后，接入并使用不同的機(jī)器學(xué)習(xí)模型和服務(wù)以提供特定功能的能力將變得越來(lái)越有價(jià)值”，Somasegar說(shuō)。

　　當(dāng)諸如Scikit-Learn,NLTK,Numpy,Caffe,TensorFlow,Theano,orTorch等開(kāi)源機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架在云端運(yùn)行時(shí)，企業(yè)將能夠方便地利用預(yù)訓(xùn)練過(guò)的托管模型來(lái)標(biāo)記圖片、推薦產(chǎn)品和進(jìn)行一般的自然語(yǔ)言處理任務(wù)。

　　機(jī)器學(xué)習(xí)趨勢(shì)總結(jié)

　　“我們的世界觀是，每家企業(yè)現(xiàn)在都是一家數(shù)據(jù)企業(yè)，而每個(gè)應(yīng)用都是智能應(yīng)用，”Somasegar說(shuō)，“企業(yè)怎樣才能從海量數(shù)據(jù)中獲得洞見(jiàn)，并從中學(xué)習(xí)？這是世界上的每家公司都需要了解的。”

　　當(dāng)數(shù)據(jù)飛輪開(kāi)始運(yùn)轉(zhuǎn)，用來(lái)獲取、儲(chǔ)存和計(jì)算數(shù)據(jù)的成本將持續(xù)下降。

　　這創(chuàng)造出了算法經(jīng)濟(jì)，其中的機(jī)器智能基石將在云端實(shí)現(xiàn)。這些預(yù)訓(xùn)練的、托管的機(jī)器學(xué)習(xí)模型將使每家App都能夠大規(guī)模利用算法智能。