時代變幻莫測，僅僅增加客戶體驗流暢度和沉浸感并不能減輕企業(yè)的壓力。在這種情況下，投入數(shù)十億美元開發(fā)可以改進產品的機器學習模型就可以理解了。但有一個問題。公司不能只是把錢砸在數(shù)據(jù)科學家和機器學習工程師身上，就希望可以有奇跡發(fā)生。據(jù) VentureBeat 報道，大約 90% 的機器學習模型從未投入生產。換句話說，
數(shù)據(jù)科學家的工作只有十分之一能夠真正產出對公司有用的東西。
本文最初發(fā)布于 Towards Data Science，由 InfoQ 中文站翻譯并分享。
大多數(shù)機器學習模型從未部署。圖片由作者提供。
企業(yè)正在經歷艱難時期。我說的不是病毒流行和股市波動。
時代變幻莫測，僅僅增加客戶體驗流暢度和沉浸感并不能減輕企業(yè)的壓力。在這種情況下，投入 數(shù)十億美元 開發(fā)可以改進產品的機器學習模型就可以理解了。
但有一個問題。公司不能只是把錢砸在數(shù)據(jù)科學家和機器學習工程師身上，就希望可以有奇跡發(fā)生。
有數(shù)據(jù)為證。據(jù) VentureBeat 報道，大約 90% 的機器學習模型從未投入生產。換句話說，數(shù)據(jù)科學家的工作只有十分之一能夠真正產出對公司有用的東西。
盡管 十分之九 的科技高管相信，人工智能將成為下一次科技革命的中心，但人工智能的采用和部署尚未獲得長足的發(fā)展，而這不能怪數(shù)據(jù)科學家。
企業(yè)尚未準備好采用機器學習領導支持并不意味著投錢多
數(shù)據(jù)科學家的 就業(yè)市場非常好。企業(yè)在招聘，而且也已經準備好支付高薪。
當然，管理人員和企業(yè)負責人期望這些數(shù)據(jù)科學家能帶來巨大的價值。然而，就目前而言，他們并沒有為此提供便利。
GAP 數(shù)據(jù)分析高級副總裁 Chris Chapo表示：“有時人們會想，我所需要做的只是針對一個問題投入資金或技術，成功就會到來?！?
為了幫助數(shù)據(jù)科學家在工作中發(fā)揮出色的作用，領導者不僅需要將資源引向正確的方向，還需要了解機器學習模型是干什么的。一個可能的解決方案是，讓領導者們自己接受一些數(shù)據(jù)科學的入門培訓，這樣他們就可以在公司里把這些知識付諸實踐。
數(shù)據(jù)訪問難度大
公司不擅長收集數(shù)據(jù)。許多公司都是高度筒倉化的，這意味著每個部門都有自己收集數(shù)據(jù)的方式、首選格式、存儲位置以及安全和隱私偏好。
另一方面，數(shù)據(jù)科學家經常需要來自多個部門的數(shù)據(jù)。筒倉化增加了清理和處理這些數(shù)據(jù)的難度。此外，許多數(shù)據(jù)科學家 抱怨，他們甚至無法獲得他們需要的數(shù)據(jù)。如果你沒有必要的數(shù)據(jù)，怎么開始訓練一個模型呢？
也許在過去，筒倉化的公司結構——以及無法訪問的數(shù)據(jù)——便于管理。但在一個技術飛速變革的時代，企業(yè)將需要加快步伐，在整個過程中建立起統(tǒng)一的數(shù)據(jù)結構。
對于數(shù)據(jù)科學家來說，能夠獲取所需的數(shù)據(jù)至關重要。圖片由作者提供。
IT、數(shù)據(jù)科學和工程脫節(jié)
如果公司的目標是減少“筒倉”，這就意味著各部門需要更多地相互溝通，調整各自的目標。
在許多公司中，IT 部門和數(shù)據(jù)科學部門之間存在著 根本性的分歧。IT 傾向于優(yōu)先考慮讓事情正常運轉并保持穩(wěn)定。另一方面，數(shù)據(jù)科學家喜歡實驗和破壞東西。這會導致溝通困難。
此外，對于數(shù)據(jù)科學家來說，工程并非總是必不可少的。這是一個問題，因為工程師有時候可能無法了解數(shù)據(jù)科學家所設想的所有細節(jié)，或者可能會由于溝通錯誤而改變實現(xiàn)方式。因此，正如 StackOverflow 指出 的那樣，能夠部署模型的數(shù)據(jù)科學家比那些不能部署模型的數(shù)據(jù)科學家更有競爭優(yōu)勢。
機器學習模型自身面臨的挑戰(zhàn)擴展比你想象的要難
模型在小環(huán)境中工作得很好，并不意味著它在任何地方都可以工作得很好。
首先，可能沒有處理更大數(shù)據(jù)集的硬件或云存儲空間可供使用。此外，在規(guī)模很大時，機器學習模型的模塊并不總是像規(guī)模較小時那么有效。
最后，數(shù)據(jù)獲取可能比較困難，甚至不可能。正如前面所討論的，這可能是由于公司的筒倉結構，也可能是由于在獲取更多數(shù)據(jù)時遇到的其他挑戰(zhàn)。
這也是在組織之間統(tǒng)一數(shù)據(jù)結構、鼓勵不同部門之間進行交流的另一個原因。
重復工作
在部署機器學習模型的漫長道路上，超過四分之一 的企業(yè)都存在重復工作。
例如，軟件工程師可能會按數(shù)據(jù)科學家的說法進行實現(xiàn)。后者可能也會繼續(xù)，自己做一些工作。
這不僅浪費時間和資源，而且，當涉眾不知道使用了哪個版本的代碼，在遇到任何錯誤時就不知道應該向誰求助，這會導致額外的混亂。
如果數(shù)據(jù)科學家能夠實現(xiàn)他們的模型，這是他們的優(yōu)勢，但對于誰做什么，他們應該與工程師溝通清楚。這樣，就可以節(jié)省公司的時間和資源。
有效溝通對于機器學習模型正常運行至關重要。圖片由作者提供。
高管們可能會不認可
總體來說，技術高管 非常相信 人工智能的力量，但這并不意味著他們會同意所有的想法。據(jù) Algorithmia 報道，三分之一的企業(yè)高管將糟糕的部署統(tǒng)計數(shù)據(jù)歸咎于缺乏高層支持。
似乎人們仍然認為數(shù)據(jù)科學家有點書呆子氣，缺乏商業(yè)意識。為此，數(shù)據(jù)科學家應加強他們的業(yè)務技能，并盡可能尋求與高管的對話。
當然，這并不意味著每個數(shù)據(jù)科學家需要 MBA 學位才能勝任他們的工作。然而，從課程或業(yè)務經驗中學習一些關鍵知識可能會對他們有長遠的幫助。
不能跨語言且缺少框架支持
由于機器學習模型仍處于起步階段，不同的語言和框架仍有相當大的差距。
有些管道開始時是 Python 開始，中間是 R，最后是 Julia。有的則相反，或者完全使用其他語言。由于每種語言都有自己獨特的庫和依賴項，項目很快就變得很難跟蹤。
此外，有些管道可能會使用 Docker 和 Kubernetes 進行容器化，其他管道可能不會。有些管道將部署特定的 API，其他管道則不會。這樣的例子不勝枚舉。
為了彌補這種不足，像 TFX、Mlflow 和 Kubeflow 這樣的工具出現(xiàn)了。但這些工具仍處于起步階段，到目前為止，這方面的專家還很少。
數(shù)據(jù)科學家們知道，他們需要不斷了解自己領域的最新進展。這應該也適用于模型部署。
版本控制和再現(xiàn)仍面臨挑戰(zhàn)
與上述問題相關的是，到目前為止，機器學習模型版本控制還沒有一種可行的方法。顯然，數(shù)據(jù)科學家需要跟蹤他們所做的任何更改，但現(xiàn)在這相當麻煩。
此外，數(shù)據(jù)集可能會隨時間漂移。隨著公司和項目的發(fā)展，這是很自然的，但這使得再現(xiàn)過去的結果變得更加困難。
更重要的是，一旦項目啟動，就會建立一個基準，用于現(xiàn)在和將來對模型進行測試。結合版本控制，數(shù)據(jù)科學家可以再現(xiàn)他們的模型。
如果模型不可再現(xiàn)，就會導致漫長的調查研究。圖片由作者提供。
停止嘗試，開始部署
如果數(shù)據(jù)科學家 90% 的努力都沒有結果，這可不是一個好現(xiàn)象。這不是數(shù)據(jù)科學家的錯，如上所述，這是由于組織結構上固有的障礙。
變革不是一天能完成的。對于剛剛開始接觸機器學習模型的公司，建議他們從一個非常小而簡單的項目開始。
一旦管理者勾勒出一個清晰而簡單的項目，第二步就是選擇合適的團隊。這個團隊應該是跨職能的，應該包括數(shù)據(jù)科學家、工程師、DevOps 和任何其他看起來對于獲得成功至關重要的角色。
第三，在開始的時候，管理者應該考慮利用第三方來幫助他們加速這個過程。IBM 是提供這種服務的公司之一，但市場上也有其他公司。
最后一點是，切莫不惜一切代價追求先進。如果一個簡單的低成本模型能滿足 80% 的客戶需求，并能在幾個月內交付，這已經是一個了不起的成就了。此外，從構建簡單模型積累的經驗將有助于實現(xiàn)更復雜的模型，并有望使客戶百分之百滿意。
結論：革命需要時間
下一個十年注定是革命性的，就像上一個十年一樣。人工智能的廣泛應用只是 眾多發(fā)展趨勢 中的一個，物聯(lián)網、高級機器人技術和區(qū)塊鏈技術也在興起。
我說的是幾十年，而不是幾年。例如，考慮到 90% 的公司都 已上云——如此之多，以至于我們很難想象沒有云我們怎么生活。而另一方面，云是花了 幾十年時間 才被廣泛地采用。
我們沒有理由認為人工智能革命會有任何不同。它需要一段時間才能推廣開，因為目前還有許多需要解決的障礙。
但是，由于機器學習提供了如此多的方法來改善客戶體驗和企業(yè)效率，顯然，贏家將是那些快速并盡早部署模型的公司。
來源：網絡收集，犀靈機器人http://m.shmengding.com整理發(fā)布