2015/7/13 下午12:06:19 星期一
当前位置: 主页 > 厉兵秣马 >

谷歌第一位首席决策科学家,教老板用AI管公司
时间:2019-05-31 13:58

谷歌第一位首席决策科学家,教老板用AI管公司

时间:11-25 16:20 阅读:4802次 转载来源:亿欧网

你有没有过一个经验,突然听到一个新字眼流行起来,身边每个人都在说,,你对它只是一知半解,但却不好意思开口问清楚?谷歌有史以来第一位首席决策科学家(Chief Decision Scientis)凯西柯兹科夫(Cassie Kozyrkov)认为,这就是现在绝大数人对机器学习(Machine Learning)的状况。

谁是凯西柯兹科夫?她是谷歌的首席決策科学家,这个工作岗位是谷歌在今年创造的新岗位,她最主要的工作就是对谷歌高层的决策过程与如何应用 AI 策略提供建议,协助将谷歌打造为一个数据驱动的组织,简单讲,这就是一个“教”谷歌高管们怎么用 AI 管公司的工作。

教一家可能是全世界最懂 AI 的公司高管们怎么用 AI?这工作的 JD(Job Discription) 听起来似乎有些不可思议,但事实上,却有实际存在的必要性,因为,开发 AI 算法或产品是一回事,但要将 AI 应用在企业环境中进行决策,可是另一回事。

而柯兹科夫的工作是在谷歌内部推动决策智能(decision intelligence)创新实践,并已亲自培训过超过 15,000 名谷歌员工。

她在 2014 年加入谷歌,今年 3 月,谷歌为她创造出该公司有史以来第一位首席决策科学家(Chief Decision Scientist)的职位,服务于谷歌云(Google Cloud)部门,主要工作是对谷歌高层的决策过程与 AI 策略提供建议,并协助将谷歌打造为一个数据驱动的组织。

也因为她,谷歌又界定出了这个称为决策智能工程学(decision intelligence engineering)的全新学科。据她解释,决策智能是一门跨领域科学,主要结合了数据科学和行为科学。

谷歌第一位首席决策科学家,教老板用AI管公司

谷歌首席决策科学家凯西柯兹科夫(Cassie Kozyrkov)(来源:MAS)

这是因为,在谷歌这样一个拥有庞大数据的公司,需要有人能其在一系列产品和服务中运用机器学习技术,建立一个可靠的决策框架,让内部的个人和机器都能做出更明智的决策。但这样的框架并不存在,因此谷歌决定公司决定建立一个。

机器学习可以说是当前企业界最火热的字眼之一。然而很多时候,机器学习被过度神化,仿佛遇到任何商业问题,只要找一些数据丢进机器学习模型,就可以得到神奇的解答。

但很多企业都失败了。柯兹科夫在日前于新加坡的一场“决策智能——重新思考传统”(Decision Intelligence – Rethinking Tradition)的演说中,厘清什么是机器学习,企业又该如何运用机器学习来进行商业决策。

柯兹科夫(Cassie Kozyrkov)指出,许多企业在使用机器学习时经常“用错误的顺序,然后不断失败”,以致于浪费资源,又得不到想要的结果。

在这场演说中,一开始,柯兹科夫先请在场听众举手回答两个问题,一是有谁知道如何制造微波炉?一是有谁没有用过微波炉?两个问题在场都没人举手。

她接着指出,一般人都不知道怎么制造微波炉,但却没有人不会使用。其实机器学习也是这么一回事。机器学习的研究和应用,不应该被混淆,但许多人或企业却都会犯这个错误,只是想微波食物,却找了一大群人来打造微波炉。这无异于是找工程师来下厨。即便结果成功,也只是因为刚好找到会下厨的工程师。

她形容,机器学习就像在厨房做菜,可以分成四个部分。第一个部分是数据,也就是原料。第二是演算法,这就是厨具。第三是模型,这就像食谱一样。第四是预测,也就是最终的菜色。

多数企业的需求只是要煮出一道菜,而不是要生产微波炉,但却往往犯了从头开始制造这些厨房用具的错误。其实,这或许也不能怪这些企业,因为当前机器学习的应用面确实还不够成熟。

2.jpg

柯兹科夫(Cassie Kozyrkov)认为机器学习就像在厨房做菜,可以分成数据、演算法、模型、预测等四个部分(来源:DT 君摄)

她指出,机器学习很常跟人工智能(AI)被相互混用,实际上学界认为这两者之间有着分别。事实上,柯兹科夫把机器学习的定义简化成一个“事物”的标签机,它不是神奇的黑魔法,本质就是对其识别的某个事物给予标签,只是与传统方式相比,机器学习是靠“范例”而不是“指令”来标签事物。

但无论如何,机器学习与 AI 有着共同原则,那就是两者都是运用数据、演算法、模型和预测,来自动执行一些很难用言语解释的任务。而这可以说是人类史上一个“全新的方向”。

柯兹科夫又将机器学习分成两种,分别是传统人工智能和决策智能,并定义前者是机器学习研究,用以打造通用型的工具。后者则是组合了机器学习应用、统计与分析,用以解决商业问题。

也就是说,机器学习可以分成基础研究面与实务应用面。想要下厨,不需要会制造厨具,只要懂得如何使用即可。而制造厨具的人,也不必然需要精于烹饪。

但她认为,目前企业界在运用数据结合机器学习进行商业决策时,人们经常用错误的顺序,也就是直接从数据、从机器学习下手来解决问题,然后不断失败。她说,“你应该从你的顾客开始,而不是从工具、从原料开始来解决问题。”

她进一步解释,数据是人工智能能够发挥作用的一个关键。但很多时候,企业往往没有真正厘清核心问题就跳到技术解决方案,然后将失败原因归咎于是数据不足或数据过多。但实际上,如果能够真正厘清问题,就不难找出合用的数据。

不管怎么说,柯兹科夫强调,用机器学习来解决商业决策问题,其实比想像中要容易得多。只是企业必须避免本末倒置,搞错顺序,硬是找工程师来负责下厨。