关于OPML我想说直击OpML2019大会现场：AI巨头不断开放，五大趋势值得关注

编辑智力|年

导游语言：最近在美国举行的第一届USENIX OpML 2019机器学习大会上公开了机器学习发展的五大趋势。

据悉，7月2日，在美国加利福尼亚州圣克拉拉举行的第一届USENIX OpML 2019机器学习会议上，来自世界各地的机器学习专家学者聚集在一起，共同探讨了金融、保险、医疗安全、网络制造业等行业的机器学习问题、实践、新工具和前沿研究。

会上有很多精彩的演示、论文和项目，其中有几个新趋势值得关注。随着越来越多的组织将机器学习推向生产，使用机器学习指导实践，这种趋势在未来几年内将更加明显。

福布斯撰稿人Nisha Talagala作为USENIX OpML 2019机器学习大会的共同主席，通过全天观察和分析，总结了当前机器学习发展的五大趋势，强调机器学习的商业收益将在五大趋势的影响下逐渐显现出来。

首先，机器学习需要快速迭代。

很多从业者强调了对机器学习发展的反复和持续改进的重要性。和软件一样，机器学习要想改善，需要不断的迭代和定期更新。大规模应用机器学习的企业建议，机器学习新项目最好是在没有机器学习或简单机器学习的基础上开始。(威廉莎士比亚，机器学习、机器学习、机器学习、机器学习、机器学习、机器学习)正如一位服务员所说，你不会想投资一年复杂的深度学习解决方案。因为部署投资深度学习，更简单的非深度学习方法就能战胜这一点。(威廉莎士比亚)(美国电视剧《Northern Exposure》)。

为了快速重复机器学习，必须优化基础架构以支持部署。也就是说，对于成功的机器学习基础设施，要避免自动部署、模块化、使用微服务、初期过于细致的优化。

第二，与软件问题不同，机器学习问题有其特殊性。

OpML会议的展示显示了一个有趣的现象：机器学习的失误不仅可以绕过日常检查，而且似乎是一种更好的生产方式。例如，即使机器学习模型在常规检查中失败，出现错误的结果，最终也会提高性能。

在生产中检测机器学习错误需要特殊的技术，如模型性能预测器、非机器学习标准比较、视觉调试工具和操纵机器学习基础设施的以测量为中心的设计。Facebook、Uber和其他经验丰富的大型机器学习组织强调了从健康检查到机器学习特定(如GPU)资源的利用等机器学习特定生产测量的重要性。

第三，机器学习有丰富的开源生态系统。

机器学习有丰富的生态系统(Tensorflow、ScikitLearn、Spark、Pytorch、R等)用于开发模型。OpML会议展示了机器学习开源生态系统如何快速发展，并成为大型企业和中小型企业都可以使用的强大开放工具。有很多示例，包括用于法规和法规遵从性的Apache Atlas、用于Kubernetes的机器学习操作Kubeflow、用于生命周期管理的MLFlow和用于监控的Tensorflow。

现有企业供应商开始整合这些开源软件包，为客户提供完整的解决方案。一个突出的例子是思科对Kubeflow的支持。此外，特定规模的网络公司正在开放核心基础设施，以驱动机器学习研究，如TonY，这是英英的机器学习光谱工具。

随着这些工具的增加，从业人员正在创建更好的设计风格，以便记录和应用端到端应用程序案例。

第四，通过基于云的服务和软件，机器学习生产变得更加容易。

对于想要在生产中部署机器学习的团队来说，即使在过程的每个阶段都有可用的开源工具，这个过程也很困难。云提供了另一种选择。资源管理(例如系统配置、自动扩展、灵活扩展等)在云后端处理，从而使云部署更加容易。使用加速器(GPU、TPU等)时，管理生产资源不容易。云服务是利用云供应商的资源优化加速器使用的方法。

云部署还为IT企业提供了解决方案，可以在没有大规模内部基础架构的情况下尝试部署机器学习。即使是内部已经部署机器学习的企业，也开始提供类似云服务的自助机器学习模式，以满足组织内不同团队和部门的需求。

五、技术影响：企业基于网络部署大规模机器学习。

Linkin、Facebook、Google等大型企业是第一个需要从头开始构建机器学习所需的所有基础设施，以便从机器学习中获得经济效益的机器学习实践者。这些企业现在不仅开放了代码，还分享了困难的实践经验和学习成果，所有这些都可以使普通企业受益。

正如OpML会议专家指出的那样，这些企业对机器学习领域进行了深入的研究并取得了有益的结果，其他企业可以从这些企业的经验和经验中得到启发。微软和其他企业部署机器学习的经验可以向其他企业展示如何将高性能机器学习纳入业务应用程序。

来自大企业的其他端到端解决方案经验表明了如何将业务目标转化为深入的学习解决方案，从而获得利益。最后，面临机器学习边缘布局问题的企业可以从规模布局学习中获益。

结论：机器学习创造商业价值。

Michael Jordan(美国科学家，加州大学伯克利分校教授)发表了伟大的专栏文章——《人工智能：革命尚未发生》，强调了人工智能实践的必要性。

OpML 2019展示了机器学习和人工智能如何在企业运营、扩展、运营和实践机器学习方面变得成熟。这对人工智能行业来说是个好消息。因为它实际上是从人工智能投资中获得收益的。这五种趋势应该有助于实现人们期待已久的人工智能产业的商业价值。

句子来源：福布斯