IBM's Watson Supercomputer Destroys Humans in Jeopardy | Engadget
來源:36氪
當 IBM 的 Watson 和 Google 的 DeepMind ,在智力競賽節目 Jeopardy 中的表現超越人類時,機器學習已經帶來了潛在的問題:如果 Fitbit 可以拯救你的生活,一個 Nike+FuelBand 並不能拯救你的生活,你會購買哪一個產品?
作者Jacques Touillon分析了物聯網時代,該如何判斷「智慧」設備。
1996年,美國芝加哥庫克縣醫院(CookCountyHospital)的急診室使用算法,來確定胸部疼痛患者,何時有心臟病發作的危險,同時需要為其配備醫院裡稀缺的病床。
該算法使用基於流程圖的系統基本測試方法,不僅快速有效,而且準確:它將70%的患者分類為低風險類別,能夠發現95%的心臟病發作情況,而人類醫生只能發現75-89%的發病情況。更重要的是,這一測算結果還未使用任何深度計算。
如今已有大約64億個物聯網設備在使用,也就是世界上幾乎人手一個。哪怕只有1%的設備,可以通過收集關於脈搏,飲食或睡眠的數據,來分析人們的健康狀況,那麼這也意味著,世界上「醫生」的覆蓋範圍將擴大五倍。
但真正的魔力來自機器學習。除了在更多地方應用單數算法之外,這樣的數據規模,是人類醫生即使有幾十年的工作經驗,也無法得到的。想像一下,例如,Fitbit 注意到你的脈搏波動,監測到你心臟方面的問題,送你去醫院治療,機器學習意味著通過家用設備解決一些看似不可能的問題。
「智慧」的真正價值
毫無疑問,「機器學習」使得「智慧」小工具領先於其它物件。以 Nest 為例,Nest是典型的智慧設備。人們買這一物品,不是因為它們可以透過手機來調節室內溫度,而是購買該產品的節能功能,根據人們的存在和需求自動調節室內溫度,以一種智慧的方式,解決了以前無法實現的問題。
然而大多數製造商只是追逐便利。比如菲利普 HUE 燈,雖然漂亮,但這一產品被貼上「智慧」的標籤,只是因為你可以用手機來對其進行控制。實際上,這並不是一個需要解決的問題。你不會因為一個人會開燈,就說這個人聰明。因此,為什麼這樣的產品也被賦予「智慧」的標籤呢?
消費者物聯網中,缺少真正的「智慧」特性,也是導致其發展受到阻礙的一個方面。遠端控制門鎖,或者當您回家時自動打開的收音機只是奢侈品,與精緻餐飲或郵輪打包在一起消費——只有上層階級消費得起這樣的產品。
機器學習所達到的目的應該是,將想要的變成必須的:恆溫器,能夠保持室內溫度,同時為你省錢;可以給予你個性化提示,睡眠或健身的可穿戴設備;或者污染源在為你的家人帶來傷害之前,就可以偵測到的環境監測器。
機器學習將永久定義誰是真正的贏家
具有機器學習功能的產品,在架子上看起來更酷炫。但機器學習的本質意味著,在所有競品之中,那些走在正確的機器學習之路上的產品,才更能夠長期保持自己的優勢。
多虧了雲技術,將機器學習搭載到設備上,並不是設計問題(其實就是連接問題),也不是硬體問題(繁重的處理過程,可以遠端完成)。從某種程度上,這是人才的問題,因為有能力的工程師是罕見的,但這總可以通過足夠的資金來解決。更重要的是,這是一個數據問題。
為了使電腦更可靠地進行模式研究,所需要的數據是海量的。它需要考慮眾多因素,從用戶偏好到使用案例,環境等等。但是這些因素中的許多,或甚至大多數是時間相關的:使用頻率、行為頻率、條件頻率,隨時間變化的用戶行為變化,隨環境產生的季節變化,受傳感器壽命影響的數據精確度等。
無論有多少產品,公司前進的腳步也不會更快。競爭對手已經在市場上領先了六個月,即使再多的用戶或者資金,也無法彌補差距。只有將數據從根本上優於競爭對手,無論是讀數的準確性,還是可靠的早期支持功能,只要你保持活躍,你就將成為競爭對手無法超越的領導者。
不只是大公司的遊戲
雖然目前只是 IBM 和 Google 在相關領域發展迅速,似乎看上去機器學習對於初創公司來說太昂貴了。但也許事實並不是如此。其中的訣竅是,可以在其他人的電腦上做繁重的工作。因為有雲技術,這一切都將成為可能。初創公司可以按小時支付,以獲得一些最複雜的機器。使用幾行程序代碼,您甚至可以連續排列許多批次,以保持效率。
更重要的是,由於設備本身只需要很少的硬體就可以實現機器學習,因此,在發佈第一批產品時,設計和前端工具仍然佔有重要作用。
即使 Nest 起初也不那麼智慧,只是一個手機控制的恆溫器,透過簡單的算法,粗略地預測提高室內溫度所需要的時間。因為開始它還不是很瞭解自己的用戶。但是,要升級用戶家庭的定義功能,公司只需要不斷發送數據包即可。您不需要支付更多的費用就可以通過機器學習獲得更好的體驗(只要在競爭對手之前做好這一步即可)。
專業知識民主共享
也許一個創業公司以機器學習,作為重點業務板塊,看上去有些可怕,但是,有更多的理由可以讓我們保持樂觀,而不是害怕。機器學習增加了比人們想像的更多的價值。
它為每個健身區都安排了醫生,為每個智慧鎖都安排了偵探,為每個環境監測器,都安排了一位健康檢查員,也為每個豪華設備安置了一個管家。
機器學習是真正使智慧設備停止提供便利,而發揮強大作用的途徑。我們已經看到早期設備,比如Nest和Echo在不斷完善的過程中,為我們的生活增添了無窮價值。當數以百計的科技公司都加入到這一行列,世界將產生巨大的不同。
0 comments:
張貼留言