机器学习成云计算争夺新焦点 可精确预测未来结果

ZDNet至顶网软件频道8月5日消息 原创文章（文/邓晓蕾）：

Win 10 更新了么？这个周末忙翻了吧！反正“cortana小娜”是忙翻了，不停被“调戏”的截图分分钟被刷上头条。

Cortana小娜是谁？“她呀，中文名字小娜，英文名字是Cortana啊！ ”说笑了，Cortana小娜是Windows 10内置的数字化助手，是在云端的智能算法。Cortana的到来可是微软花了三年的时间，现在只要你更新到Win10 ，在你的电脑上就可以和小娜Say“Hello”啦。接下来，我们不是讨论如何使用Cortana小娜的，而是打造同样的Google Now，Apple Siri语音助理，Android语音辨识等战略级关键技术——机器学习。不只跨国公司抢先研发，连百度、阿里云等本土企业也早就开始用了。

对人工智能的热议一直没有停歇，其背后主因是以谷歌和Facebook为代表的高新技术企业广泛应用机器学习以及深度学习技术开始显现出了良好的效果。特别是在语音识别和图像识别两个领域，这几年的提升非常快。谷歌在2014年将语音识别的精准度从2012年的84%提升到98%，而Facebook的人脸识别精度在短短几年里甚至超过人类肉眼的水平。

与此同时，各大企业开始了一场抢夺人工智能人才的大战，比如谷歌设立了“谷歌大脑计划”，并在2014初斥资5亿美元收购了人工智能创业公司DeepMind。国内的搜索巨头百度也不甘示弱，高薪从谷歌挖来了斯坦福大学人工智能专家吴恩达负责“百度大脑计划”。

人类从最早的结绳记事开始学习积累知识、传播信息，后来有了文字，将知识总结成符号记录下来。人类在不停探索大脑，希望见多识广，不知疲惫，永不停歇的记忆住一切，但是知识的积累已经不能用文字，甚至不能靠人了。直到有了互联网的出现，通过系统的观察，来累积每个用户的行为习惯，不仅了解用户本身，还能够得到不同用户之间的差异，能够大规模的抹平信息鸿沟，减轻人脑的负担。被系统所理解，并沉淀下智慧，这就是机器学习。

机器学习有下面几种定义：1996年Langley定义的机器学习是“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。 “机器学习是对能通过经验自动改进的计算机算法的研究”。 “机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。” 一种经常引用的英文定义是：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

机器是人工智能的核心，是使计算机具有智能的根本途径。通过机器学习技术，应用软件可以分析海量数据，建立模型，并获得更加精确的趋势预测结果。推出的机器学习功能，可以很容易嵌入到企业应用软件产品中，从而减轻开发负担。日本通讯与网络专家吴剑明博士认为，机器学习的思想并不复杂，它模拟人类在生活中学习成长的过程，从数据中自动分析获得规律，并利用规律对未知数据进行预测。因为机器学习算法中涉及了大量的统计学理论，所以也被称为统计学习理论。换句话说，换句话说，机器学习的本质就是将人的操作/思维过程的输入与输出记录下来，然后统计(又叫做训练)出一个模型用来对新的数据进行预测。

上周的互联网+实践周刊第三期《混合云 VS 公有云 谁是企业云战略的核心？》中提到目前亚马逊、微软、谷歌、IBM等巨头在云计算领域的厮杀，而基于机器学习技术的智能预测，也是他们争夺的新焦点。

早在2012年，搜索巨头谷歌就推出了“预测API”服务。另外两个云计算服务商微软和IBM，也分别推出了“Azure机器学习”和“沃森分析”(沃森“Watson”是IBM超级计算机项目的名字)的机器学习服务。IBM还于今年第一季度收购了专门提供深度学习技术的AlchemyAPI，整合到沃森核心平台，以提高沃森迅速辨识及理解大量数据集之间关系的能力。IBM Watson部门资深副总裁 Mike Rhodin指出，IBM 在Watson的核心技术与云开发平台，强化生态，藉着第三方开发商在Watson平台开发新业务与解决方案。他表示，在这个平台开发人员已开发出7000多项应用。

在机器学习方面亚马逊明显落后于其他厂商，不过于四月份云计算业务部门推出“亚马逊机器学习”(AmazonMachineLearning)是第一个面向企业提供趋势预测的产品。该产品会对软件开发者提供智能预测的API(软件开发接口)，开发者可以建立新的模型，对于来自亚马逊云计算各种数据库服务的海量数据进行分析。

利用云计算和机器学习的案例举不胜数，在硅谷的VMware公司，他们让机器去分析员工何时离职?

《纽约时报》曾评论，微软、谷歌、亚马逊最重要的不是谁会成为最大的赢家，而是，亚马逊拉低了云机器学习的价格和门槛。我们离一个低成本预测的时代更近了，而这里说的预测，不局限于预测购物行为、观影喜好等等，而是全面渗入整个世界：基因组学，物联网，大型网络软件，企业决策……

但不可忽略的一个问题就是，机器学习需要不同建模方法，而，互联网每时每刻都在产生大量新数据，要求模型随之不停更新，这就需要不论人还是机器学习，学习都不能停！

云就像电网集中供电一样，通过网络从hub向分支传输资源和能力。每个企业自己进行数据存储、计算、分析，就像自己用发电机发电一样，不会是主流现象。当然，就像电厂故障会带来巨大的经济损失一样，随着云平台承载了越来越多的任务，安全性和可靠性被摆在了更重要的位置。云服务是否能赢得足够的信任和认可，除了本身的政府的行动对此有很大影响。去年，AWS获得CIA6亿美金的大单，可以说得到CIA的认可，是对AWS可靠度和影响力的有力背书。而在我国，互联网+行动计划的提出，以及工信部出台可信云认证，都在试图为云服务指出一条透明的路。