第三節(jié)
機(jī)器學(xué)習(xí)工程師和機(jī)器學(xué)習(xí)規(guī)劃師會互相走近對方嗎？

在上一小節(jié)之中，我已經(jīng)敘述了當(dāng)前的背景。在這樣的背景之下，人工智能領(lǐng)域中的機(jī)器學(xué)習(xí)已經(jīng)進(jìn)入了幻滅期。對此，我們可以想出各種各樣的理由。例如，機(jī)器學(xué)習(xí)這門技術(shù)本身就是不好的；速成培養(yǎng)出來的人才其實(shí)沒有很好地掌握機(jī)器學(xué)習(xí)技術(shù)等，諸如此類。

企業(yè)在涉足機(jī)器學(xué)習(xí)領(lǐng)域之時，如果不能同時做到技術(shù)、人才兩手抓的話，那么首先應(yīng)該確保人才能夠走近技術(shù)，理解技術(shù)。

誰應(yīng)該最先走近對方？

上文中我曾說到，與機(jī)器學(xué)習(xí)相關(guān)聯(lián)的職業(yè)有三種，并且我們已經(jīng)明確了這三種職業(yè)的不同職責(zé)。機(jī)器學(xué)習(xí)工程師是負(fù)責(zé)建機(jī)器學(xué)習(xí)模型的；機(jī)器學(xué)習(xí)規(guī)劃師則需要負(fù)責(zé)去考量建什么樣的模型才能夠給企業(yè)帶來收益。

如果機(jī)器學(xué)習(xí)規(guī)劃師和機(jī)器學(xué)習(xí)工程師相遇，那么這兩個負(fù)責(zé)不同板塊的人會發(fā)生以下對話。當(dāng)機(jī)器學(xué)習(xí)規(guī)劃師對有著商業(yè)敏感嗅覺的機(jī)器學(xué)習(xí)工程師說“我們現(xiàn)在有這些數(shù)據(jù)，怎樣才能把它們用起來呢？”的時候，機(jī)器學(xué)習(xí)工程師就會回答說：“說到底，那些數(shù)據(jù)到底是做什么的呢？”或者“用這些數(shù)據(jù)是要解決什么課題嗎？它能夠給公司帶來多大的投資回報(bào)率呢？”

反過來也是如此。負(fù)責(zé)企劃的規(guī)劃師也要對編程有一些了解，比如“這些數(shù)據(jù)雖然量很大，但是其實(shí)質(zhì)量并不高，即便建模，想要拿出成果也難。”就像這樣，他們就會重新做出其他企劃，并選擇其中最可行的企劃來推進(jìn)項(xiàng)目。

然而，現(xiàn)實(shí)情況卻是，這些項(xiàng)目很少有進(jìn)展順利的。更多的情況則是，機(jī)器學(xué)習(xí)工程師和機(jī)器學(xué)習(xí)規(guī)劃師，以及機(jī)器學(xué)習(xí)項(xiàng)目團(tuán)隊(duì)當(dāng)中的人在交流的時候，都在說圖1-3那樣的“危險(xiǎn)語句”。而這些危險(xiǎn)語句無疑會招致PoC死這一必然的結(jié)局。

在這些危險(xiǎn)語句交織的情況之下，整個機(jī)器學(xué)習(xí)項(xiàng)目團(tuán)隊(duì)基本都會處于一種模糊的狀態(tài)，并且無法掙脫出來。例如，“這么做應(yīng)該挺好的”“要是這樣的話就最好不過了”等，這些語句會讓周圍人都陷入不切實(shí)際的幻想之中，從而令項(xiàng)目遇到挫折甚至停擺。

要想避免這一結(jié)果，就需要我們避開這些危險(xiǎn)語句，積極去做能夠拿出成果的機(jī)器學(xué)習(xí)模型。那么在這個時候，機(jī)器學(xué)習(xí)工程師和機(jī)器學(xué)習(xí)規(guī)劃師應(yīng)該如何走近對方呢？當(dāng)然了，這兩者一起走近對方是最好不過的。但是如果硬要問哪一方先邁出第一步的話，那么本人認(rèn)為最好還是由負(fù)責(zé)企劃一方的機(jī)器學(xué)習(xí)規(guī)劃師率先邁出第一步。

考慮到機(jī)器學(xué)習(xí)工程師人才短缺……

由機(jī)器學(xué)習(xí)規(guī)劃師首先走近對方的理由有兩個。第一，機(jī)器學(xué)習(xí)技術(shù)沒有那么困難。為了打磨好企劃而所需要掌握的編程及數(shù)學(xué)知識，其實(shí)難度并沒有那么高。的確，如果你的目標(biāo)是開發(fā)出機(jī)器學(xué)習(xí)的新算法等，那么你就必須掌握微積分、行列式、概率統(tǒng)計(jì)等知識，而且對機(jī)器學(xué)習(xí)工程師來說，最好還要掌握編程和數(shù)學(xué)等理工科知識。然而對于一個機(jī)器學(xué)習(xí)規(guī)劃師來說，如果有人問：“要想打磨好一份企劃，需要掌握編程和數(shù)學(xué)知識嗎？”自然不是必須掌握的。在讀完本書所講解的機(jī)器學(xué)習(xí)知識之后，再了解一些深度學(xué)習(xí)的核心知識及長處、短處就是最好不過了。

第二，如今的工程師，尤其是軟件、機(jī)器學(xué)習(xí)的工程師處于供少求多的狀態(tài)，因此即便他們不走近企劃一方，對他們的工作也不會造成任何不便。換言之，考慮到企業(yè)內(nèi)的現(xiàn)實(shí)狀況，刺激工程師一方主動走近企劃一方的誘因少之又少。在公司內(nèi)部，如果過度要求工程師一方走近企劃一方的話，反而會導(dǎo)致工程師跳槽到更加欣賞自己的其他公司里去[8]。

應(yīng)該將“商業(yè)投資回報(bào)率”納入視野之內(nèi)

與哪一方如何走近對方無關(guān)，在涉足機(jī)器學(xué)習(xí)之際，最為重要的一個視角就在于“商業(yè)投資回報(bào)率”。這里所說的回報(bào)率視角，與后文中將要敘述的“七個規(guī)則”相關(guān)聯(lián)。這七個規(guī)則，聚焦在如何令投資回報(bào)率最大化之上，是人們整合了各式各樣的機(jī)器學(xué)習(xí)項(xiàng)目相關(guān)實(shí)例后整理出的共同要素。在投資如何獲得改善、課題如何才能得到解決、如何能夠賺錢等方面，商業(yè)投資回報(bào)率這一概念是最為重要的。本書將統(tǒng)一采取“投資回報(bào)率”這一用詞，并且對其進(jìn)行解釋說明。

試想一下，在一個機(jī)器學(xué)習(xí)項(xiàng)目中，分別有一個機(jī)器學(xué)習(xí)規(guī)劃師和一個機(jī)器學(xué)習(xí)工程師。假設(shè)機(jī)器學(xué)習(xí)工程師對商業(yè)有著靈敏的嗅覺，當(dāng)機(jī)器學(xué)習(xí)規(guī)劃師說“我們這里有這樣的數(shù)據(jù)，但是輸入機(jī)器學(xué)習(xí)模型里卻不怎么好用”的時候，機(jī)器學(xué)習(xí)工程師就會回答說：“那如果解決了這個問題，預(yù)計(jì)會帶來多大的投資回報(bào)率呢？”進(jìn)而這兩人就會展開一番討論。

反過來也是如此。機(jī)器學(xué)習(xí)工程師會提出假說：“雖說數(shù)據(jù)成千上萬，數(shù)量是足夠多，但是質(zhì)量卻不太好，投資回報(bào)率也是。所以我們應(yīng)該重新選取數(shù)據(jù)。”接著雙方就開始進(jìn)行相應(yīng)的企劃。那么這個時候，機(jī)器學(xué)習(xí)規(guī)劃師就可以與預(yù)測出投資回報(bào)率的機(jī)器學(xué)習(xí)工程師對話，討論出需要的必要數(shù)據(jù)以及最新取得的成果等。

從經(jīng)濟(jì)價(jià)值的角度去考慮企業(yè)的投資回報(bào)率

談及企業(yè)的投資回報(bào)率，從經(jīng)濟(jì)價(jià)值的角度來考量的話應(yīng)該讓人更加容易理解。換句話說，投資回報(bào)率的基準(zhǔn)，就是投資究竟能夠給企業(yè)貢獻(xiàn)多少利潤。這個時候就有兩種考慮方向。其一，就是通過提高給用戶的附加價(jià)值的方式來提高銷售額；其二，就是通過過程的改善而帶來成本的降低。

在機(jī)器學(xué)習(xí)項(xiàng)目當(dāng)中，如果機(jī)器學(xué)習(xí)模型不通過概念驗(yàn)證這一關(guān)的話，我們是無法知道模型的性能究竟如何的。另外，想必所有人都會認(rèn)為：只要是性能高的，就一定好。但是在性能這一點(diǎn)上，也有著各種各樣不同的指標(biāo)。

在機(jī)器學(xué)習(xí)的情況下，我們可以將我們所希望達(dá)到的性能與投資回報(bào)率合在一起進(jìn)行討論。打個比方，假如通過機(jī)器學(xué)習(xí)模型在大工廠進(jìn)行機(jī)器的故障檢測的話，就可以試算出目前的成本可以獲得的回報(bào)。“如果檢測的準(zhǔn)確率超過了99.9%的話，其準(zhǔn)確程度就相當(dāng)于超過了人類，就可以完全實(shí)現(xiàn)自動化了。這樣一來，一年就可以削減100人份的勞動力成本。如果一個人的平均年收入是500萬日元的話，那么總共省下來的錢就是5億日元。因此，即便企業(yè)為機(jī)器學(xué)習(xí)模型建模投資5億日元，也是能做到收支平衡的。”

通過理解投資回報(bào)率來加深討論

我們繼續(xù)用上面的故障檢測的例子來講解。如果加深了對機(jī)器學(xué)習(xí)的投資回報(bào)率的理解的話，企業(yè)內(nèi)部就會進(jìn)行這樣的討論：“準(zhǔn)確率到達(dá)99.9%是不可能的，但是達(dá)到98%卻不是不可能。”“以前做故障檢測都需要100個人。現(xiàn)在如果準(zhǔn)確率是98%的話，那只要50個人就可以應(yīng)付了。”

另外，再舉個檢測產(chǎn)品不合格率的例子。想必真正理解了的人之間會這樣邊進(jìn)行實(shí)證檢測邊討論：“假如近三年內(nèi)，人們在進(jìn)行檢測的時候，合格產(chǎn)品自然直接通過放行，如果看到異樣的產(chǎn)品，檢測人員就會把它們挑出來進(jìn)行二次檢測。我們把所設(shè)定的性能目標(biāo)定為98%而不是99.9%。這樣一來，我們所需的投資額只要之前的一半，即2.5億日元即可。”“我們先把準(zhǔn)確率設(shè)定為90%。總之，我們是希望避免人們看漏不合格產(chǎn)品的情況。為此，我們就需要在機(jī)器學(xué)習(xí)中加入二次檢測來降低漏掉不合格產(chǎn)品的概率。即便只是做了這一件事，我們也可以減少客戶的投訴，提高產(chǎn)品的滿意度。”

然而直到今天，卻還是有很多實(shí)例表明，不少企業(yè)在不考慮投資回報(bào)率的情況下，就十分天真地認(rèn)為：只要用了機(jī)器學(xué)習(xí)，準(zhǔn)確率肯定就能達(dá)到100%。而且他們在做出這樣的判斷之后，就開始開展項(xiàng)目。完美的人類是不存在的。同樣地，機(jī)器學(xué)習(xí)的準(zhǔn)確率也不可能達(dá)到100%。真實(shí)情況就是，企業(yè)在不考慮投資回報(bào)率和性能二者之間的關(guān)系的情況下，就貿(mào)然進(jìn)行企劃、討論，甚至開始將機(jī)器學(xué)習(xí)模型投入實(shí)際應(yīng)用的話，是無法獲得成功的。