◆◆0

采访|先关注“无聊”的业务问题，才能发掘AI的实际价值

土豆 2019-03-04 大数据, 机器学习, 行业新闻, 解决方案 2,002 views

编译于ZDNet 2019年2月16日采访文章

采访嘉宾：Hilary Mason

人工智能行业正处在魔力与功能的十字路口。我们对这个技术感到敬畏，但是市场中的声音是纷杂的，特别是在企业中。希拉里·梅森，Cloudera的机器学习部门总经理，则努力为企业拨开云雾去伪存真。

Cloudera 机器学习部门总经理

Hilary Mason

Mason曾担任Bitly的首席数据科学家，然后创立Fast Forward Labs (FFL) 并兼任首席执行官，该机构被Cloudera于2017年收购。FFL仍然作为Cloudera的一个部门存在并进行着非常重要的工作，但梅森的重任使她成为Cloudera在AI方面的负责人。

这是个重磅的角色，原因一个是Cloudera最近与Hortonworks的合并使其成为数据湖/ Hadoop / Spark / 分析领域无可争议的领导者。更为重要的是，AI是公司的三大核心焦点之一（另外两个是边缘和数仓）。

鉴于她的重磅位置以及她目前和以前的角色所带来的经验，梅森大概是了解应用AI在商业方面最好的人选。我最近与梅森的交谈正是于此。梅森对人工智能是真正的乐观和兴奋，但同时她也认为，作为一个行业，我们应该可以做得更好。

“人们正关注在错误的事情上。

我们几乎只关心人工智能技术本身，导致我们却未能专注人工智能实际可以带来的价值。换句话说，我们需要关注在“无聊”的业务问题上，比如优惠券和反洗钱，而不是“酷”的事情，比如能和人交谈的机器人。”

—— 梅森

更具体而言，梅森描述了在该领域的一种令人警觉的隔离。

一方面，人工智能世界的研究人员正在进行突破性的创新工作，但往往处于学术界的真空中。研究人员通常不会与行业进行足够的合作，并且经常使用稳定的教学常用的数据集，这些数据集并不总能很好地解决业务问题。

因此，许多人工智能研究工作都被隐而不见。这消弱了企业组织研究人员的创新进步，缺乏来自现实世界行业问题的各种数据也阻碍了研究人员可以取得的进步，即使在这个隐蔽的领域也是如此。

另一方面，这个行业也有其自身的问题。对人工智能的盲目迷信使企业通常采用先搞起来再规划的方法，而且由于无法自主开展AI工作，他们通常找一些初创公司，其中许多并不是特别稳定或资金充足。这种方式导致了令人无法接受的高项目失败率，即使有些被认为是成功的项目，往往也没有达到足够的潜力。

Fast Forward Lab（FFL）的使命是帮助弥合这一学术和工业差距和双方的不匹配。FFL的一种方式是顾问形式，为企业客户提供咨询，数据是否质量足够以进一步建立机器学习或深度学习模型。如果数据确实提供了足够的完整性和功效，那么FFL可以帮助将来自学术界最前沿的人工智能应用于行业。FFL还发布学术级别的报告，以及将研究人员的工作应用于真正的商业环境的原型构建。

客户可以订阅这些报告并与FFL合作帮助他们建立数据科学组织。这包括帮助客户招募数据科学家人才，确定优先事项和举措计划。FFL在举措计划的早期对客户进行指导，以展示快速结果和强大投资回报率，然后也可进一步进行更复杂的工作，风险更高但潜在价值也更高。FFL甚至会为客户进行机器学习开发工作 – 但所有这些都着眼于帮助客户自己的数据科学小组到位 – 而不是作为外包项目替代这个小组。

如果没有办法与FFL合作，又有哪些方法可以让AI更具可操作性？最近有很多关于自动机器学习（AutoML）作为技术“民主化”的讨论。当然，目前有很多数据科学平台可供各种公司使用，包括Cloudera。

梅森对这些技术如何评论？