研究表明，企業(yè)采用人工智能和機器學(xué)習(xí)技術(shù)可以使其生產(chǎn)率提高40%，可以幫助企業(yè)重組數(shù)據(jù)，以使其從記錄的每個數(shù)據(jù)點中獲得價值。

機器學(xué)習(xí)是一項很重要的技術(shù)，如今已有50%以上的企業(yè)在探索或計劃采用，并成為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵角色。

但是在實施機器學(xué)習(xí)時，企業(yè)可能只看到了其積極的方面，可能會忘記將會面臨許多機器學(xué)習(xí)的挑戰(zhàn)。

解決這些機器學(xué)習(xí)問題對于數(shù)字化轉(zhuǎn)型計劃的成功至關(guān)重要。

企業(yè)在實施機器學(xué)習(xí)時面臨的7種挑戰(zhàn)

即使是簡單的機器學(xué)習(xí)項目，很多企業(yè)都在開始自己的旅程，只有解釋機器學(xué)習(xí)的積極意義，企業(yè)才有更多的動力采用。

以下是企業(yè)將要解決的7項機器學(xué)習(xí)挑戰(zhàn)，以便可以更好地了解其實施，甚至可以決定是否適合采用。

（1）耗時的部署

·一些企業(yè)表示，他們需要大約一年的時間才能在其組織中完全實現(xiàn)機器學(xué)習(xí)思想。

·盡管這些交付時間是不可取的，但即使是簡單的機器學(xué)習(xí)項目也可能需要數(shù)月才能實施。其原因很簡單，機器學(xué)習(xí)是一種新興的技術(shù)，企業(yè)可能無法發(fā)現(xiàn)它對于組織的全部潛力。

·企業(yè)可能想沉迷于傳統(tǒng)的“反復(fù)試驗”中，這比較耗時。解決機器學(xué)習(xí)這些問題的方法是，能夠以很小的規(guī)模部署它，并檢查其在其他功能上的可行性。

（2）高估交付結(jié)果

·企業(yè)可能會面臨挑戰(zhàn)，認(rèn)為其機器學(xué)習(xí)和深度學(xué)習(xí)項目將提供比企業(yè)預(yù)期更好的結(jié)果。機器學(xué)習(xí)本身就是這樣，它有望快速而準(zhǔn)確地提供結(jié)果。

·但是，企業(yè)經(jīng)常會發(fā)現(xiàn)情況并非如此。實施機器學(xué)習(xí)和深度學(xué)習(xí)需要處理大量數(shù)據(jù)，并且可能會很快就會失敗。

·最佳的機器學(xué)習(xí)問題和解決方案需要時間和資源，因為這一技術(shù)實際上從數(shù)據(jù)中學(xué)習(xí)了一切。

（3）數(shù)據(jù)不可用

·雖然企業(yè)可能知道如何使用機器學(xué)習(xí)項目來處理數(shù)據(jù)，但是數(shù)據(jù)的可用性可能是一個重要的挑戰(zhàn)。具有大量組件的數(shù)據(jù)并不是機器學(xué)習(xí)模型的真正價值貢獻(xiàn)者。

·另一方面，企業(yè)知道數(shù)據(jù)是關(guān)鍵，但不一定知道想要哪種數(shù)據(jù)。雖然機器學(xué)習(xí)就像處理非結(jié)構(gòu)化數(shù)據(jù)一樣輕而易舉，但是企業(yè)可能希望從結(jié)構(gòu)化數(shù)據(jù)獲得可見的結(jié)果。

（4）數(shù)據(jù)安全性問題

·當(dāng)今最大的機器學(xué)習(xí)挑戰(zhàn)之一是數(shù)據(jù)安全性。即使企業(yè)收集大量數(shù)據(jù)，安全性也是其始終要關(guān)注的問題之一。機器學(xué)習(xí)模型不能固有地區(qū)分敏感數(shù)據(jù)和不敏感數(shù)據(jù)。存儲在具有風(fēng)險的服務(wù)器上的機密數(shù)據(jù)可能會破壞整個機器學(xué)習(xí)項目。

·企業(yè)必須首先加密數(shù)據(jù)，并將其存儲在機器學(xué)習(xí)模型可以安全訪問的服務(wù)器中。機密數(shù)據(jù)只能由決策者進行監(jiān)督。

（5）擴展的挑戰(zhàn)

·Algorithmia公司的一項研究表明，在使用機器學(xué)習(xí)的大型企業(yè)中，58%的企業(yè)表示在擴展計劃方面面臨挑戰(zhàn)。大多數(shù)可擴展的機器學(xué)習(xí)問題是由于硬件問題、模塊化或數(shù)據(jù)不可用而引起的。

·即使到現(xiàn)在，大多數(shù)企業(yè)仍在使用傳統(tǒng)數(shù)據(jù)處理系統(tǒng)，這些系統(tǒng)為不同類型的數(shù)據(jù)提供了不同的存儲空間。這使得其擴展變得困難，因為機器學(xué)習(xí)并不像它那樣工作。

·企業(yè)需要為機器學(xué)習(xí)項目提供一個集中的數(shù)據(jù)中心，以從單一來源訪問數(shù)據(jù)。它使機器學(xué)習(xí)模型的數(shù)據(jù)處理更加簡單。

（6）缺乏機器學(xué)習(xí)專家

·盡管很多開發(fā)人員已經(jīng)走上機器學(xué)習(xí)之旅，但缺乏熟練的機器學(xué)習(xí)專家仍然是最大的機器學(xué)習(xí)挑戰(zhàn)之一。企業(yè)可能找不到能夠滿足其要求的開發(fā)人員。

·即使到現(xiàn)在，理解復(fù)雜的機器學(xué)習(xí)算法所需的技能仍然有限。如果沒有適合的機器學(xué)習(xí)專家，企業(yè)可能會在實施中面臨一些挑戰(zhàn)。企業(yè)需要尋求與擁有機器學(xué)習(xí)專家的其他組織的合作。

（7）昂貴的部署

·最大的機器學(xué)習(xí)問題可能是機器學(xué)習(xí)的部署成本昂貴。實現(xiàn)機器學(xué)習(xí)需要招募數(shù)據(jù)科學(xué)家、項目經(jīng)理和具有高度專業(yè)技術(shù)的開發(fā)人員。

·由于缺乏人才，雇用這些人的成本很高，很難招募到經(jīng)驗豐富的專家。另一方面，由于機器學(xué)習(xí)項目需要處理大量數(shù)據(jù)，因此部署需要額外的基礎(chǔ)設(shè)施。

·如果沒有適當(dāng)?shù)幕A(chǔ)設(shè)施，測試將變得困難。沒有進行測試，正確的實現(xiàn)是機器學(xué)習(xí)的主要挑戰(zhàn)。要解決這個問題，企業(yè)需要咨詢可以提供機器學(xué)習(xí)專家和服務(wù)的公司。它不會降低成本，但會相對降低實施費用。

獲得的收益超越機器學(xué)習(xí)的挑戰(zhàn)

如果企業(yè)擁有合適的團隊并且時機合適，那么可以克服機器學(xué)習(xí)實施中的所有挑戰(zhàn)。這些挑戰(zhàn)只會使企業(yè)面對采用機器學(xué)習(xí)模型的復(fù)雜性。

企業(yè)不必?fù)?dān)心這些機器學(xué)習(xí)問題。具有了一定的耐心，就可以看到顯著的結(jié)果，例如生產(chǎn)率、效率和員工工作滿意度的提高。

因此，在機器學(xué)習(xí)方面，企業(yè)應(yīng)該遵循“快速行動并打破常規(guī)”的方法。遵循相同的方法，它使企業(yè)可以在最初階段理解機器學(xué)習(xí)的所有挑戰(zhàn)，然后重申模型以發(fā)揮最大優(yōu)勢。
責(zé)任編輯：tzh