機器學習將大幅改變IT運營模式，未來逐步趨近元學習！

如果要選一個與每個行業都密切相關的專業術語，我想非「機器學習」（ML）莫屬。眾所周知，機器學習以某種方式影響了幾乎所有領域，從檢測腫瘤和癌症的無人診斷設備到接地氣的流行音樂APP，基本上都涉及到了機器學習功能。

另外，風險投資家們已經對專註於機器學習的初創公司投資了數百萬美元。這還不夠——尚未開始使用機器學習的企業都展開了在這方面的預算計劃，而擁有這一平台業務的科技巨頭則想辦法將其機器學習功能推向更高水平。

機器學習，作為實現計算機程序中的人工智慧的一種方法，已經是一個價值數十億美元的行業。如今，2016-2017年有關該行業的趨勢和預測已變成現實。在這種趨勢下，它將成為讓人工智慧繼續保持熱度的主要方面。

機器學習趨勢—邊緣計算

什麼是邊緣計算？實際上，它是通過提供應用程序可以使用的兼容服務和端點來模擬公共雲的一種方式。機器學習應用程序很大程度上取決於程序快速執行複雜數據分析操作的能力。通常，對於無人機等低延遲應用，由於需要在雲中進行複雜分析，因此機器學習應用很容易出現故障。

邊緣計算是一種解決方案。特別是在無法容納虛擬機和容器的基礎架構中，邊緣計算提供了一個實用的解決方案。在這裡，邊緣計算層可以將開發人員與計算，存儲和網路服務聯繫起來。2018年，這種無伺服器計算將減少部署代碼的開銷，從而為開發人員帶來更多便利。

機器學習改善IT運營

在大多數企業中，IT系統組件正在生成大量的數據（日誌文件，狀態報告，錯誤日誌等等）。硬體組件、軟體組件、伺服器應用程序和操作系統，都會充滿操作數據。通過將所有這些數據納入機器學習的範圍，企業IT可以變得主動而非被動。

比如，機器學習演算法將幫助IT運營團隊找到問題的根源；使用預測分析技術將大大減輕IT中斷的影響以及機器學習將能夠提高IT系統的入侵檢測能力。在這方敏，可以關注一下Amazon Mackie的更新，這是一個基於人工智慧的IT運營管理平台。而Azure的日誌分析是另一個機器學習趨勢。

個性化技術體驗出現

儘管聊天機器人已經是商業力量，但2018年將是機器學習技術如何在商業環境中變得可訪問的關鍵一年。個人虛擬助理應用程序是次要的。這些應用程序將能夠與跨資料庫存儲的用戶的使用信息相連接。然後，它將檢測模式以準備個性化使用體驗，比如用戶喜歡的屏幕列表，預期下一個操作以及輕鬆訪問知識庫文檔。為員工提供個性化的虛擬助理將是企業提高工作效率的巨大飛躍。

透明度最大化決策

在媒體，醫療，法律和工程等領域，深度學習模式的影響已經顯現。人們越來越依賴於機器學習演算法的判斷。但是，這些模型對人類來說並不是很容易。這意味著需要明確增強對人類機器學習演算法的理解。

特別是在諸如貸款申請評估和醫療診斷等應用中，理解演算法所使用的核心決策邏輯的重要性對於評估結果的可靠性非常重要。此外，在需要與法律法規保持一致的應用中（例如，在不考慮年齡，性別，宗教，種族，信仰，膚色等因素的情況下平等對待工作申請），這將變得越來越重要。

雲AI的市場競爭

儘管以機器學習為動力的人工智慧正在影響人們的日常生活，但它對於企業來說並不都是可接受的。基於雲計算的人工智慧解決方案將成為這些業務的主要推動者，也許2018年將實現所有機器學習趨勢中最不可阻擋的一項。在這一方面，領先的技術創新者（谷歌，微軟，IBM和亞馬遜）會相互競爭，開發基於雲的AI解決方案，並將其作為平台提供給企業。

轉向元學習

現在，機器學習演算法很大程度上取決於學習數據集的暴露程度，同時需要現實生活中使用的數據來改善其邏輯。DeepMind的AlphaGo Zero能夠擊敗人類競爭對手，但它還無法扮演一個玩過500萬場遊戲的人（儘管該軟體可能需要處於更大的資料庫中）。

元學習是一個總括術語。Few-shot學習是一個更具體的術語，側重於從可管理的少數案例中發現機器學習演算法的想法。說實話，這是一個令人興奮的領域。IT領導者需要密切關注這一領域的發展，以便充分利用現有的機會。

現有系統與GDPR結合起來

當「通用數據保護條例」（GDPR）於2018年開始使用時，我們會看到越來越多的合規性問題被發掘出來，而機器學習系統處於不合規的核心。這是因為這些系統依賴於多個相互關聯的資料庫，而每個資料庫都由GDPR嚴格的數據保護和隱私準則獨立管理。嚴重的數據依賴將導致複雜的數據驅動模型需要從GDPR的角度進行更深入分析。

總的來說，機器學習的研究和發展速度還是很樂觀的。它已經在商業和商業應用中產生了重大轉變，2018年，預計會取得更多進展。作為一名IT領導者和決策者，及時了解這些機器學習趨勢是必要的，因為只有這樣才能採取行動，在這個新的浪潮中一往直前。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！