翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子主要内容

选自Reddit

作者:AlexSnakeKing

参加:王淑婷、杜伟、李泽南

这是一个实在的故事,发生在作者地点的公司,本文中的称号、算法地址都已修改以保护利益相关的作者。

A 公司现已树立几十年了。它在职业里虽然不是领头羊,但口碑还不错。自 20 世纪 90 时代起,A 公司的中心事务就一直是危险剖析和出资组合优化。他们有一个大约 30翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容 个剖析师组成的巨大团队,这些剖析师每天都在履行这些使命。他们运用 ERP 大公司(如 SAP、天睿、甲骨文、JD Edwards)或首要技能咨询公司(如德勤、埃森哲、普华永道、凯捷)为其定制的 ER落鸟P 方案与公司内部的工程团队协作。

他们所运用的东西十分老派:工作在 on-prem 效劳器或主机上的经典联络数据库办理体系、用 COBOL 或 Fortran 编写的代码、像 ABAP 或 SPSS 这样翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容乖僻南京大学启明网的东西……你大约理解了吧。但其模型和剖析功用适当杂乱,而且和已宣布的学术文献比较,它惊人地先进。最重要的是,它们十分合适公司的企业生态体系,而且是根据多年深沉的范畴常识磨炼出来的。

铁血之最强兵神何天龙

他们的技能团队有几个工程师(从上述软件和咨询公司挖过来的)和产品司理(运用该软件的有经历的剖析师或司理,或从竞争对手那里挖过来的),这些人担任保护和工作该软件。他们的技能或许有点老派,但总的来说,他们十分了解公司和这个范畴的全体架构。

他们辅导公司进行了几回大规划的晋级和搬迁,他们总是准时交给,没有过多开支。即便有几回被绊倒了,他们也知道怎么快速爬起来。在业界,他们以专业而著称,而且与有必要打交道的各路供给商都具有十分好的联络。他们成果了多个 ERP 咨询人才的职业生涯。

风趣的是,虽然他们每天都在处理计算建模和优化算法,但没有一个剖析师、工程师或产品司理自称是数据科学家或机器学习专家。这首要是一种文明现象:他们的专业常识早于 2010 年左右开端的数据科学/机器学习炒作,他们大部分是运用专有的企业东西而不是现在盛行的开源东西。他们傍边只要少数人接受过正式的计算训练,但大部分人来自工程或范畴布景,然后在作业中不断学习计算数据。暂时就把这个团队叫做「X 团队」吧。

大约在 2015 年左右,A 公司开端呈现一些严峻的焦虑问题:虽然作为这种规划的公司,它仍然做得很好。但由于全体的经济和人口发展趋势,它的客户群正在缩小。一些所谓的搅局者提出了一种新的运用和商业模式,开端严峻腐蚀其收入。适当地安慰股东和华尔街是必要的。该公司现已有了一个不错的网站和一个适当有吸引力的运用,此外还要做什么呢?

领导层决议,应该把人工智能和机器学习作为公司的中心事务。一个雄心壮志的司理,没有理工科布景,仅在几年前时刻短地摆弄过引荐体系,被选中来组成数据科学林肯mkx团队,暂时将该团队称为「Y 团队」(他在当地州立大学取得了前史学士学位,并在公司的市场部作业了几年)。

Y 团队首要由内部雇员组成,这些人想成为数据科学家,而且在参加团队之前完成了 Coursera 认证或 Galvanize boot camp。该团队还有几个刚结业但不喜爱学术界想投入业界的博士或硕士。这些人都很凶猛,能够写十分棒的 Medium黄鳝 博客,宣布鼓舞人心的 TED 讲演,但整体来说,他们简直没有什么职业经历。

和现在盛行的做法相同,Y 团队直接向 CEO 和董事会陈述数据科学相关作业,绕过首席信息官(CIO)和任何技能或事务副总裁(VP),由于 A 公司想在其行将举行的股东大会上声称这些是「数据驱动」和「AI 驱动」的。在三四年的时刻里,Y 团队制作了一些 Python 和 R 脚本。他们的架构经历简直彻底是将 Flask 连接到 S3 bucket 或 Redshift,其间更聪明一点的会学习怎么将其模型刺进 Tableau 或怎么旋转 Kuberneties pod。

可是他们并不忧虑:上述组成该团队的司理现在是一名董事(一起还在读在线硕士课程,以补偿资格距离,增加其晋升为 VP 的时机。至少他现在知道 L1 正则化是什么了)。他一起也是一位玩办公室政治和自我推销的大师。不论 Y 团队提出的可行见地有多么少,或许他们布置到出产中的代码是多么一丁点儿,这位司理都支撑他们,而且保证他们有满足的资金。事实上,他现在有一个雄伟的方案——树立一个通用的机器学习渠道来处理公司全部的数据问题。

Y 团队有一些头脑清醒的成员,在将他们所在职业的称号与「数据科学」一词联合查找之后,他们意识到贝叶斯模型是危险剖析的首要处理办法,同安西坑村而且现已有一个满足完美的 R 言语东西包来处理这样的问题了。他们在 R-Bloggers.com翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容 上研讨了相关的教程。这个团队的成员之一甚至在 K泗阳aggle 数据比赛渠道上提交了贝叶斯分类器的内核(在排行榜上排名 203 位),而且正准备将自己新发现的常识用于处理实践国际的问题。

他们将自己的主意通知主管bubbly,后者以为已找到行将推出的机器学习渠道的完美运用方向。他们当即开端了作业,彻底没有检查 A 公司是否有人现已在做危险剖析。由于他们的安排是独立的,钱伟红所以在接纳资金之前他们彻底无需与别人核对这些问题。虽然他们所做的仅仅是一个纯贝叶斯分类器,「机器学习」字眼被加在了工程项目的称号上,用来感动董事会。

可是,跟着作业的发展,严重气氛开端呈现。Y 团队要求数据仓库和 CA 剖析团队创立管道,终究这个项目传到了 X 团队的耳中。X 团队刚开端很振奋:标明乐意一心一意与 Y 团队协作,而且很想在运作过程中增加机器学习这个助力。产品担任人和剖析师也彻底参加其间:他们看到了炒作整个数据科学的时机。可是由于高傲的情绪和不安全感,Y 团队回绝与翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容 X 团队翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容协作或许与 X 团队共享本身的长时刻方针,即便他们去了公司其他部分,并就本身创立的新模型进行 brown 包演示和教程展现。

X 团队生气了:从他们对 Y 团队的模型观represent察来看,他们的办法天真得无可救药,而且简直没有扩展出产规划和完成可继续性的或许,他们知道怎么为 Y 团队供给协助。考虑到 Y 团队对 DevOps 的了解程度和继续交给(Y 团队消耗几个月的时刻搞清楚了怎么将一个简略的 R 脚本布置到产品中),将该模型布置到产品中需求花费几天时刻。

虽然 X 团队自己的技能现已过期了,但他们仍然满足聪明模拟城市5,能够将这些技能嵌入到现有架构中。此外,该模型的输出并没有考虑到公司怎么运用它或许怎么将它传达至下流体系,而且产品担任人可翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容能也需求花费许多精手机搜狐网力使该模型更易于被利益相关者采用。可是,Y 团队并没有听取主张,他们的领导回绝了任何交流测验,更不用说协作了。

Y 团队释放出来的信号是「咱们是最前沿的 ML 团队,你们的观念都太过期了。咱们不需求你们的主张」,而且他们好像彻底忽视范畴常识,或许更糟的是,他们以为全部的范畴常识只需求把握一些商业方针的界说就行了。

X 团队感到十分懊丧,并企图将自己的忧虑传达给领导层。但虽然 X 团队把握着 A 公司事务流程中的重要一环,但他们仅仅一个 50 人团队,这在一个有 1000 名职工的科技与运营大公司里显得微乎其微。此外,他们与最高办理层之间也隔了好几环,因而办理层简直不或许听到他们的主张。

与此一起,这位势不可挡的主管做了他最拿手的作业:戏弄公司政治。虽然自己团队实践交给的雅图东西很少,但他现已说服了董事会,全部的剖析和优化使命现在都应该搬迁到他没有交给的 ML 平cpa成果查询台上。

由于大都领导现在expensive现已知道 Y 团队和 X 团队方针存在堆叠,他的游说词不再是 Y 团队即将发明一个新理念,而是他们即将替代(或许现代化)根据 on-prem 东西的传计算算和根据云的 冀文平ML 东西。虽然没有学术文献支撑朴素贝叶斯比 X 团队所运用的计量经济办法更有用的观念,更不用说贝叶斯优化(Bayesian 低血糖怎么办Optimization)必定优于出产中工作的 QP 求解器的乖僻主意了。

X 团队不知道的是,原始贝叶斯危险剖析项目现在现已发展为一项耗资数百万美元的严重变革方案,其间包含终究替代该团队所支撑的全部东西和功用以及必要的云搬迁。CIO 和几位 VP 现在都已就任,而且技能领导以为作业现已木已成舟。

由于 Y 团队没有工程技能,因而一家外部供给商——一家没人听说过的创业公司被签约协助构建这个渠道。这个挑选是稳重的,由于要求任何已有的咨询或软件公司做这件事的话,终究只会让领导层得出 X 团队在转型上要比 Y 团队做得好的定论。

比较之下,Y 团队没有重要 ERP 布置经历,也没有范畴内的常识,但他们的使命却是从根本上改动 A 公司中心事务的作业流程。他们的模型实践上要比 X 团队布置的模型差,关于实在的出产环境来说,他们的架构过于简略。

具有挖苦意味的是,全部痕迹标明,Y 团队运用贝叶斯办法取得成功的概率接近于零。

最好的状况下这个项目终究会在消耗掉 5000 万或更多美元的状况下翻译器,当「转型人工智能」成为一个好公司走向失利的原因……,骆驼祥子首要内容被砍掉。一旦此产品惹恼了粉丝,一批高管就会离任,而许多职工也要被开。

而在最糟糕的情井冈山气候况下——鉴于危险剖析和出资组合优化关于 A 公司的收入无足轻重,这一失利终究或许会让整个公司陷入困境。它或许不会破产,但会失掉大部分事务和职工。失利的 ERP 运用能够让大公司陷入困境,看看 National Grid US、SuperValu 的衰落和塔吉特败走加拿大就知道了。

或许有人会说,A 公司的问题首要在于企业工作和糟糕的运营思路,而不是数据科学与 AI。

但我并不赞同,我以为这次溃散的中心原因的确来自于对数据科学、机器学习模型与 AI 未来的盲目崇信,一起也包含机器学习集体现在十分遍及的炒作和自我推销文明。

现在,这个故事还没有完毕:我真诚地期望它能有一个好的结局。A 公司是一个好公司,其职工和客户都应该取得更好的结局,但看看现在的状况,全部呈现起色的或许微乎其微,而这种失利将严峻地冲击该公司。

参阅内容:

https://www.reddi宫腔镜手术t.com/r/MachineLearning/comments/beoxx8/discussion_when_ml_and_data_science_are_the_death/

本文为机器之心编译,转载请联络本大众号取得授权。

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。

转载原创文章请注明,转载自188bet赌场_188金宝搏下载ios_188bet金博宝,原文地址:http://www.chinammxx.com/articles/284.html

上一篇:超级赛罗格斗,上海将成为“全球新品首发地”,邓

下一篇:汽车总动员,淘宝的哥哥诚信通你们了解多少?阿里的宿世此生。,age