早在1868年，喬治·布爾的妻子就轉(zhuǎn)述了他對機器能力的看法：

在他們之間，他們用無法回答的事實邏輯最終證明，計算和推理，就像編織和耕作一樣，不是為了人的靈魂，而是為了鐵和木的巧妙組合。如果你花時間做機器可以比你自己做得快的工作，那應(yīng)該只是為了鍛煉。

自從克勞德·香農(nóng)（Claude Shannon）應(yīng)用布爾的工作來構(gòu)建第一塊電路板以來，我們已經(jīng)走了很長一段路，這預(yù)示著計算機時代的到來。正如他所預(yù)測的那樣，現(xiàn)在大多數(shù)計算和推理鏈都是通過“鐵和木的巧妙組合”完成的。我們剛剛意識到硅在完成這項工作方面可能會更好一些。

布爾自己一生所做的事情將是他認為機器不可能做到的。他正在研究支配思想本身的規(guī)則。換句話說，他正在走向更高層次的推理，超越日常生活的規(guī)律計算。

雖然我們離能夠以類似于布爾和其他人的方式利用哲學(xué)的人工智能還很遠，但我們正在接近一種更微妙的計算思維形式。機器學(xué)習(xí)可以用來發(fā)現(xiàn)生活某些領(lǐng)域的不直觀規(guī)則。

機器學(xué)習(xí)的能力

關(guān)于機器學(xué)習(xí)將如何取代所有其他解決問題的模式已經(jīng)寫了很多。最流行的建議之一是，我們應(yīng)該放棄基于規(guī)則的機器學(xué)習(xí)方法。

在我看來，這種觀點過于理想化。用機器學(xué)習(xí)解決問題可以通過基于規(guī)則的方法解決，這是對資源的浪費。模型，尤其是更復(fù)雜的模型，可能非常昂貴，并且需要大量維護才能保持準(zhǔn)確性。

在一個擁有無限資源（包括計算和財政）的理想世界中，這些差異無關(guān)緊要。然而，在商業(yè)中，我們總是在嚴(yán)格定義的范圍內(nèi)工作，因為任何資源的使用也意味著機會成本。

因此，我們最好選擇使用基于規(guī)則的方法解決所有問題。但是，這會遇到其他復(fù)雜的問題，例如并非所有問題都具有可以通過規(guī)則解決的已定義邊界。

機器學(xué)習(xí)擅長解決兩種類型的挑戰(zhàn)。任何需要概率答案的問題都可能由模型而不是基于規(guī)則的任何問題來完成。機器學(xué)習(xí)非常有價值的另一個領(lǐng)域是規(guī)則不明確的時候。

在商業(yè)中，我們有時可能不確定如何回答具體問題。例如，自助結(jié)賬流程應(yīng)遵循哪些規(guī)則？構(gòu)建這樣的功能幾乎有無限的可能性，但我們一直在尋求最大化結(jié)果。換句話說，我們希望自助結(jié)賬會帶來最多的轉(zhuǎn)化。

來自機器學(xué)習(xí)模型的推理

一個常見的反對意見可能是，一些機器學(xué)習(xí)模型，如深度神經(jīng)網(wǎng)絡(luò)，本質(zhì)上是黑匣子。我們永遠不確定引擎蓋下發(fā)生了什么，所以從它們中提取規(guī)則就像沒有它們一樣多的猜測。

幸運的是，在商業(yè)應(yīng)用中，我們不需要像邏輯學(xué)家或科學(xué)家那樣精確，他們試圖揭示思想、語言或宇宙的基本塊。為我們指明正確方向的見解足以為以某種方式做事創(chuàng)造理由。

換句話說，在構(gòu)建預(yù)測自助服務(wù)客戶系統(tǒng)最佳結(jié)果的模型時，我們并沒有試圖定義一些不變的人類行為法則。我們只是在研究一系列公認的不斷變化的情況，并試圖找出解決這些問題的最佳方法。

因此，回到同一個例子，隨機森林算法，從事件會話和用戶活動中提供足夠的數(shù)據(jù)，可以概述最具預(yù)測性的輸出。這些將指示在自助服務(wù)過程中受哪些用戶影響最大。

這些產(chǎn)出可能不是開創(chuàng)性的，甚至不是廣泛的，因為它們只在相當(dāng)有限的環(huán)境中工作。但是，對于工程師，設(shè)計師和內(nèi)容編寫者來說，它們足以執(zhí)行優(yōu)化，從而帶來更好的轉(zhuǎn)換。

然后，可以將這些見解轉(zhuǎn)換為基于規(guī)則的算法。因此，機器學(xué)習(xí)模型可以為我們提供一種方法來發(fā)現(xiàn)我們可以在業(yè)務(wù)實踐中實施的環(huán)境規(guī)則。

結(jié)論

希望機器學(xué)習(xí)將取代基于規(guī)則的系統(tǒng)是沒有根據(jù)的。后者通常比復(fù)雜的機器學(xué)習(xí)模型更高效、更便宜。由于企業(yè)總是對效率視而不見，基于規(guī)則的系統(tǒng)將繼續(xù)存在。

與通常認為的不同，機器學(xué)習(xí)可用于補充基于規(guī)則的系統(tǒng)。雖然有可能將一個系統(tǒng)組合成一個系統(tǒng)，但前者也可以用來獲得洞察力，然后可以實施到后者中。

最后，機器學(xué)習(xí)不應(yīng)該被認為是解決技術(shù)問題的萬能藥。這是應(yīng)該深思熟慮使用的眾多可能性之一。其中之一是確保我們在其他系統(tǒng)中做出更好的決策。

審核編輯：郭婷