编者按：机器学习听上去似乎高大上，非得要钻研很久才能有所建树，但其实，绝大多数人都混淆了机器学习研究和机器学习应用的概念。

我想告诉你一个秘密：当人们说“机器学习”时，听起来好像只是一门学科。但其实不然，你还得考虑它在研究和应用两个方面的差别。如果企业不知道这个秘密的话，它们难免会陷入麻烦的境地。

机器学习的误区

说到机器学习，那些企业犯的错误就像是雇一个厨师给你做烤箱，或者找个电气工程师帮你烤面包一样。

如果你开了一家面包店，雇个经验丰富的面包师来做面包和糕点自然不错。当然，你还需要一个烤箱，虽然它是关键的工具，但我打赌你不会让顶级糕点师造一个烤箱出来，那么，为什么你的公司只关注机器学习中的机器呢？

你是做面包，还是做烤箱？

这些是不同的企业！太多的机器学习项目失败了，因为团队根本不知道自己该造烤箱、食谱还是面包。

机器学习研究

它们没有告诉你的是，所有这些机器学习课程和教科书都是关于如何造烤箱（还有微波炉，搅拌机，烤面包机，水壶之类的），而不是如何烹饪和创新食谱。

如果你建立起了机器学习算法，那么你的关注点就是人么可以使用的特定工具（即厨房用具），这项业务被称为机器学习研究，通常是在像学术界或谷歌这样的地方完成的。

当涉及到机器学习时，许多组织都陷入了错误的境地。

从事这一行需要大量的教育。一些流行的算法已经存在了几个世纪。例如，最小二乘方法发表于1805年。相信我，人类在200年内还取得了不少新成果。

如今，市面上有一些相当先进的设备……如果你不知道某台微波炉是如何工作的，你怎么才能造一台更好的微波炉呢？成为一名研究人员需要花费数年的时间，学习得从基础开始。

应用机器学习

大多数企业只是想要烹饪——解决他们的商业问题。他们对销售微波炉毫无兴趣，但却在制造微波炉。没办法，谁让现在的重点全集中在研究上而不是应用上呢。

如果你在创新食谱，就别操心微波炉的事儿了。如果建立你机器学习厨房听起来像一件苦差事，那么谷歌云平台这样的供应商可以让你用它们的，包括设备、配料和食谱。

对于大多数应用程序，你不需要了解原理，正如厨师不需要了解微波炉的接线图一样。但如果你打算经营一个具有产业规模的厨房，那你确实需要知道很多事情，从管理原料到在上菜前检查你的菜肴是否好吃。

你在销售哪一种呢？你的回答决定了你该雇佣什么样的团队？

应用的谬误

不幸的是，我看到很多企业未能从机器学习中获得什么价值，因为它们没有意识到应用方面与研究方面截然不同。领导者雇佣的是那些一辈子都在做微波炉但却从来没有下过厨房的人。

一个人一生中只有这么多的时间，如果你花时间去学习微波炉的内在原理的，你就没有那么多时间去掌握制作糕点或经商的艺术了。如果你一心想找到在烹饪和算法两方面都是专家的混合型人才，难怪你会抱怨人才短缺！

如果你想要开一家餐馆，却雇了那些一辈子都在做微波炉，但从来没有做过一道菜的人……你觉得会不会出问题？

你应该雇佣谁呢？就像在工业厨房一样，你需要一个跨学科的团队和理解这个团队的管理者。否则，项目就会失败，毫无进展。

雇用正确的人员和团队

如果你在销售尖端设备，请雇佣研究人员。如果你在琢磨新食谱，请找懂行的人做饭。决策者和产品经理设定目标，领域专家了解供应商和客户，数据工程师和分析师处理数据，统计人员检查配方的质量和服务，项目经理保证团队的凝聚和项目的落地。虽然上述人士不必是单独的个体，但要确保每个角色都包含在团队中。

如果团队已经尝试了所有现有的工具，却没法制定出满足你业务目标的食谱，那么你还得考虑继续增加人手。你是直接雇佣专业人士，还是把工作外包给有经验的算法研究公司，这取决于你的经营规模和成熟度。

智能决策（Decision intelligence）

这个问题本该引起专家们的重视，但它没有。所以行业内的人都在构建这些算法，而不是应用这些算法。

我的团队正在努力解决这个问题。我们创建了一个新的学科来覆盖应用领域，我们已经培训了超过15000名员工。我们称之为智能决策工程（decision intelligence engineering），它涵盖了机器学习和数据科学的所有应用方面。

换句话说，如果研究机器学习是制造微波炉，而应用机器学习是使用微波路，那么智能决策工程就是安全地使用微波炉或者其他工具来实现你的目标。

最后的话

当涉及到应用机器学习时，最困难的部分是知道你想做什么，以及你打算如何在提供给客户之前检查它。这部分其实并不难，但千万别忽视。

至于其他方面，用机器学习解决业务问题比大多数人想象的要容易得多。每次我遇到那些以为自己需要参加传统的机器学习算法课程的人时，我都不禁在想他们拒绝使用微波炉，直到自己造一个出来。说什么需要一个博士学位才能在机器学习方面有所建树的，都是胡说八道。你其实真正需要的，只不过是一点人类的创造力罢了。

原文作者：Cassie Kozyrkov

原文标题：Why businesses fail at machine learning

译者：喜汤，由36氪编译组出品，编辑：郝鹏程

译文地址：http://36kr.com/p/5141537.html

本文由 @郝鹏程 授权发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Pexels，基于 CC0 协议