原文：
www.kdnuggets.com/2016/06/machine-learning-trends-future-ai.html
评论
由 Matt Kiser， Algorithmia。
由于三种机器学习趋势：数据飞轮、算法经济 和 云托管智能，每家公司现在都是数据公司，能够利用云中的机器学习大规模部署智能应用。
这是上个月在西雅图举行的首届机器学习/人工智能峰会的结论，此次峰会由Madrona Venture Group主办，超过 100 位专家、研究人员和记者汇聚一堂，讨论人工智能的未来、机器学习趋势以及如何构建更智能的应用。
通过托管的机器学习模型，公司现在可以快速分析大量复杂数据，并提供更快、更准确的见解，而无需承担高昂的机器学习系统部署和维护成本。
“今天构建的每个成功的新应用都将是一个智能应用，” Madrona Venture Group 的风险投资合伙人索玛·索马塞加说。“智能构建模块和学习服务将是应用程序的核心。”
以下是三种机器学习趋势的概述，这些趋势引领了一个新的范式，在这个范式中，每个应用都有可能成为智能应用。
数字数据和云存储遵循摩尔定律：世界数据每两年翻一番，而存储数据的成本大致以相同的速度下降。这种数据的丰富性使得更多特性和更好的机器学习模型得以创建。
“在智能应用的世界中，数据将是王者，能够生成最高质量数据的服务将因其数据飞轮——更多的数据带来更好的模型，进而带来更好的用户体验，吸引更多用户，从而产生更多数据——而获得不公平的优势，” 索马塞加说。
例如，特斯拉已收集了 7.8 亿英里的驾驶数据，并且每 10 小时增加一百万英里。
这些数据被输入到自动驾驶仪中，这是他们的辅助驾驶程序，使用超声波传感器、雷达和摄像头来操控方向盘、更换车道，并在很少有人为干预的情况下避免碰撞。最终，这些数据将成为他们计划在 2018 年发布的自主自动驾驶汽车的基础。计划在 2018 年发布。
与 Google 的自动驾驶项目相比，该项目已经积累了超过 150 万英里的驾驶数据。特斯拉的数据飞轮正在全面运作。
如果你不能利用数据，那么全世界的数据也不是很有用。算法是你高效扩展手动管理业务流程的方式。
“这个世界上所有的大规模事务都将由算法和数据管理，”微软数据集团和机器学习的 CVP Joseph Sirosh 说。在不久的将来，“每个企业都是一个算法驱动的企业。”
这创造了一个算法经济，其中算法市场作为全球研究人员、工程师和组织创建、共享和重混算法智能的聚集地。作为可组合的构建块，算法可以组合在一起操作数据，并提取关键洞察。
在算法经济中，最先进的研究被转化为功能性、可运行的代码，并提供给其他人使用。智能应用堆栈展示了形成智能应用所需的抽象层次。
“算法市场类似于创建了‘应用经济’的移动应用商店，”Gartner 的研究总监亚历山大·林登说。 “应用经济的本质是允许各种个人在全球范围内分发和销售软件，而不需要向投资者推销他们的想法或建立自己的销售、营销和分销渠道。”
对于一家公司来说，发现业务洞察的唯一可扩展方法是使用算法机器智能从数据中反复学习。这在历史上是一个昂贵的前期投资，没有显著回报的保证。
“今天的分析和数据科学就像 40 年前的裁缝，”Sirosh 说。 “这需要很长时间和巨大的努力。”
例如，一个组织需要首先收集自定义数据，聘请一组数据科学家，持续开发模型，并优化它们以跟上快速变化和增长的数据量——这只是开始而已。
随着更多数据变得可用以及存储成本的降低，机器学习开始转向云端，在那里，扩展性网络服务只需一个 API 调用即可。数据科学家将不再需要管理基础设施或实现自定义代码。这些系统将自动扩展，为他们生成新的模型，并提供更快速、更准确的结果。
“当构建和部署机器学习模型的工作量大大减少——当你可以‘大规模生产’它时——那么用于实现这一点的数据在云中变得广泛可用，”Sirosh 说。
新兴的机器智能平台提供预训练的机器学习模型即服务，将使公司轻松开始使用机器学习，使他们能够快速将应用程序从原型阶段推进到生产阶段。
“随着公司采纳微服务开发范式，将不同的机器学习模型和服务插拔式地集成以提供特定功能变得越来越有趣，”Somasegar 说。
当开源机器学习和深度学习框架在云中运行时，例如Scikit-Learn、NLTK、Numpy、Caffe、TensorFlow、Theano 或 Torch，公司将能够轻松利用预训练的托管模型来标记图像、推荐产品以及执行一般自然语言处理任务。
“我们的世界观是今天的每家公司都是数据公司，每个应用程序都是智能应用程序，”Somasegar 说。 “公司如何从大量数据中获得洞察并从中学习？这是需要在全球每个组织中讨论的事情。”
随着数据飞轮的启动，获取、存储和计算这些数据的成本将继续降低。
这创造了一个算法经济体，其中机器智能的构建模块存在于云端。这些预训练的托管机器学习模型使每个应用程序能够大规模地利用算法智能。
数据飞轮、算法经济和云托管智能的汇聚意味着：
-
现在每个公司都可以成为数据公司
-
现在每个公司都可以访问算法智能
-
现在每个应用程序都可以是智能应用
“我们已经走了很远，” Madrona Venture Group 的管理合伙人 Matt McIlwain 说。“但我们仍然有很长的路要走。”
披露： Madrona Venture Group 是 Algorithmia 的投资者
简介： Matt Kiser 是 Algorithmia 的产品营销经理，在那里他帮助开发者为他们的应用程序提供超能力。
原文。经许可转载。
相关：
-
算法经济和容器如何改变应用程序
-
变量选择的数据科学：综述
-
机器智能与机器学习、深度学习及人工智能（AI）的区别是什么？