机器学习竞争是一场残酷的战争

那些热衷竞争实施机器学习的公司现在惊讶地发现，其实，实施一些算法使机器变得对某一数据或问题更加智能并不困难。毕竟，这年头“即插即用”又很稳健的算法编程解决方案简直“烂大街了”。例如，从开源机器学习框架谷歌TensorFlow，到微软Azure Machine Learning以及亚马逊SageMaker，应有尽有。

所以，数据已逐渐成为了机器学习竞争中最关键的区分点。一个原因是高质量数据并不常见;另一原因是数据尚未商品化，公司企业之间存在着信息不对称。

希望借助AI一臂之力的企业需要寻求外部数据源，甚至这样的数据甚至可能需要他们自己创建。

数据逐渐变成竞争中的区分点是因为许多公司根本没有他们需要的数据。尽管几十年来，公司都在使用通用的会计准则这样的系统化方法来评估自己，但是这种评估方法一直关注于实体资产与金融资产，也就是实物和钱。2013年甚至给资产定价理论颁了一个诺贝尔奖，强化了已有的对实体或金融资产重要性的认知。

但是，今天最有价值的那些公司贸易对象是软件或网络，而不仅仅是实体或金融资产。在过去的40年内，资产类型的重心有了很大的变化：1975年，83%的有形资产占整个市场绝大部分份额;而2015年时市场中84%的资产是无形资产。今天的公司巨头们不再生产咖啡壶也不再售卖洗衣机，他们转而提供应用程序，软件等等。这样的转变造成了会计记账的对象和实际产生价值的对象极其不匹配。

结果就是有用数据的缺少已经成为了一个问题。市面价值与账面价值的差别越来越大。公司们正在试图利用机器学习辅助重要的商业决策来改善这一差别。有时，机器学习甚至会取代一些昂贵的咨询顾问们，而***他们经常会意识到算法所需的数据压根不存在。所以实际上，那些闪瞎人眼的先进AI系统***依旧只是在同样老旧的数据上试图实施新技术。

和人类一样，除非有人教，机器学习系统并不会精通任何领域。不过比起人类，机器会需要更多的信息来进行学习，并且它们确实比人类读取数据的速度更快。因此，表面上公司间会互相竞争谁拥有更好的机器学习程序员以及谁先启动AI项目，在幕后其实是对于数据新颖度和广泛度的竞争。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!