機器學習現(xiàn)在可謂是炙手可熱。只要應用機器學習，就可以有效豐富數(shù)據(jù)和知識，促進有價值的任務自動化，包括感知、分類和數(shù)值預測等。而它的“兄弟”——機器發(fā)現(xiàn)，可用于發(fā)現(xiàn)照亮和引導人類的新知識。讓我們來探討一下機器學習或者機器發(fā)現(xiàn)的最佳應用場景，以及其對商業(yè)很重要的原因。

多年以前我是一名機器發(fā)現(xiàn)的研究人員，在《機器學習》雜志上發(fā)表過學術(shù)論文，也參加過機器學習的相關(guān)會議并做過報告，因為機器學習和機器發(fā)現(xiàn)與人類活動類似。作為一名（有經(jīng)驗的）企業(yè)家，經(jīng)常有人問我，對于自動處理某些任務來說，學習方法是否非常重要，這也是促使我寫這篇文章的原因。首先讓我們回顧一些基本概念。

人工智能領(lǐng)域的一個重要想法就是，智力工作可以看作是在“問題空間”內(nèi)的啟發(fā)式搜索，可以幫助找到問題的解決方法。

讓我們想象這樣一個電視里常見的任務場景：重案組探員到達案發(fā)現(xiàn)場，尸體躺在地板上。一個糟糕的偵探拿起電話簿，從第一頁開始依次打電話進行審訊。一個非常糟糕的偵探甚至會認為是太空入侵或逃走的狒狒干了這事，并要求NASA和當?shù)貏游飯@去追尋這些線索。他們這樣的行為就是采用了錯誤的啟發(fā)方法。

一個好的偵探會善于利用正確的啟發(fā)方法，從已存在的問題開始，例如：死亡原因是什么？受害者最后見的人是誰？有仇人嗎？有沒有秘密戀情？欠過債？好的偵探也會從上述答案入手，來更加有效地在大范圍內(nèi)搜索嫌疑犯。偉大的偵探甚至可能想出更加有啟發(fā)性的想法。

“機器發(fā)現(xiàn)”的關(guān)鍵點在于發(fā)現(xiàn)就像是另外的智力任務，因此在問題空間中應用的人工智能關(guān)鍵啟發(fā)式發(fā)現(xiàn)搜索方法也可應用于機器發(fā)現(xiàn)任務中。

另一方面，“機器學習”的關(guān)鍵點在于給予足夠的數(shù)據(jù)和相關(guān)結(jié)果，以及一些概念（例如哪些數(shù)據(jù)特征和預測結(jié)果有關(guān)系），然后軟件經(jīng)過訓練后也能夠?qū)崿F(xiàn)這種關(guān)聯(lián)。經(jīng)典的例子包括使用歷史數(shù)據(jù)來學習如何根據(jù)信用風險對貸款申請進行分類，或者預測顧客的流失。

何為機器學習或機器發(fā)現(xiàn)的最佳應用？

帶著這些關(guān)鍵點，我們來考慮具體應用中，哪種設計（發(fā)現(xiàn)或?qū)W習）更好？例如：為大型派對或活動引入客流量。一個好的派對主辦方需要了解客人之間的共同興趣，并努力向他們介紹彼此，解釋他們的共同點，以促進他們之間的交流。這是一項艱巨的任務，因此主辦方都非常忙。憑借一份參與者名單，這種情況能夠自動化嗎？

人工智能或者發(fā)現(xiàn)方法會這樣處理事情：研究或者找出什么可以促成良好的相互介紹。什么決定了（引薦的）質(zhì)量？這是為了核心目的而做出的有創(chuàng)新的介紹方法嗎？哪些數(shù)據(jù)源可以加強這種自動推介（比如LinkedIn簡介或者其他自我介紹）？

然后，就可以生成一些自動介紹，例如：你們?nèi)粠缀踉谕粫r間從同一所大學畢業(yè)；或者你們都曾為非洲和平組織服務過；甚至你們兩位是這里唯一知道機器學習的人。

壞的啟發(fā)方法可能會導致：你們都離婚了四次以上（尷尬）；或者你們都來自中西部（重點模糊）；或者你們的生日都在冬天（不相關(guān)）。

我們已經(jīng)討論了機器學習和機器發(fā)現(xiàn)的關(guān)鍵點，以及如何實現(xiàn)具體應用。那么我們概括一下：何為機器學習或機器發(fā)現(xiàn)的最佳應用？

機器發(fā)現(xiàn)需要研究任務的邏輯，需要相應的知識，包括該范圍內(nèi)的優(yōu)先路徑，以及使其符合實際的算法設計。這有利于正在搜索的空間和使用的啟發(fā)方法的創(chuàng)新。但是最大的創(chuàng)新或許來源于基于具體輸入而獲得的新穎、有創(chuàng)造性的輸出，因為自動化可以探索比人類實際考慮的還要大得多空間的可能性。

讓我們來看看關(guān)于機器發(fā)現(xiàn)引擎的三個例子，其中每個都用編好程序的啟發(fā)式技術(shù)盡可能地探索和報道可供人類閱讀的知識。

90年代商業(yè)化的搜索引擎會搜索很多信息文件，利用啟發(fā)式技術(shù)（例如頁碼排序，根據(jù)每一份文件的內(nèi)容或者標題的查詢詞確定優(yōu)先級）來給出引文清單，且每個摘錄都動態(tài)地定制為查詢詞的函數(shù)。

2000年左右商業(yè)化的歸類引擎將數(shù)以百計的搜索結(jié)果以分組的形式放入主題文件夾，利用啟發(fā)式技術(shù)（比如提取出的主題的語言特性，每一個主題涵蓋多少搜索結(jié)果，將主題劃分為不重疊組的效果如何等）來描述出現(xiàn)在返回的搜索結(jié)果中的主題。

2015年實現(xiàn)商業(yè)化基準化引擎在大型同類群體中發(fā)現(xiàn)其異常表現(xiàn)，利用啟發(fā)式技術(shù)（例如組合簡潔、合理的屬性，和處理異常類型良好地句型）來輸出能傳達關(guān)于目標實體基準化見解的英語段落。

機器發(fā)現(xiàn)的方法也許是：任務輸出結(jié)果并不只是分類或者數(shù)字上的預測。人們寫了很多關(guān)于這種任務的書或者文章來教授新人。這里也沒有關(guān)于輸入/正確輸出組的豐富數(shù)據(jù)，因此要常常說服別人為什么輸入數(shù)據(jù)和任務元認知知識符合特定的輸出。任務元認知知識是孤立的，因此在執(zhí)行任務的時候并不需要一般的常識。

這對于科技商業(yè)來說意味著什么呢？機器學習能使自動化任務實現(xiàn)半自動化從而減少開支。機器學習可以應用于很多數(shù)據(jù)豐富的任務。機器發(fā)現(xiàn)則更強調(diào)需要特定知識和訓練的具體任務，機器發(fā)現(xiàn)往往偏向于手工制作，更加精細和罕見。

你需要大量內(nèi)部或供應商的人工智能專業(yè)知識。供應商會更少，而且他們更關(guān)注有深遠影響的具體知識任務，從而確保企業(yè)在經(jīng)濟上可行。供應商不會稱自己為機器發(fā)現(xiàn)公司。與機器學習不同的是，由于機器發(fā)現(xiàn)的公司更少，因此更容易產(chǎn)生市場差異化。

機器學習和機器發(fā)現(xiàn)雖然是親兄弟，但是當它們都成熟以后就會分開。