关于机器学习，你所知道的，可能都是错的

关系数据库的诞生给了我们甲骨文和 SAP 公司，而 SAP 和竞争对手们又一同为世界带来了全球无库存式供应链，在这一技术的基础上，苹果和星巴克等公司缔造了自己的帝国。上世纪 90 年代，几乎所有企业级软件都换用了关系数据库，包括 PeopleSoft，CRM 和 SuccessFactors 都是基于关系数据库运行的产品。此役之后，再也不会有人傻兮兮的说“没用的，甲骨文早已吃掉所有数据库”这种话了。相反，这项技术几乎成了所有新事物的赋能层，它已无处不在。

因此，这一思路才是我们现在重新思考机器学习的最佳接地方式，它会给计算机能力带来巨大的跃升，成为不同公司不同产品中的一部分。最终，机器学习也会无处不在，成为大家习以为常甚至都不愿再提的一项技术。

值得一提的是，虽然关系数据库具有规模经济效应，但它提供的确实一个有限网络或“赢家通吃”的效应。也就是说，即使公司 A 和公司 B 买了同一个数据库软件，两家公司也不会从对方那里获益。机器学习也遵循同样的道理，它的一切都与数据有关，但数据又与特定的应用程序息息相关。更多的笔迹数据只会提高它任笔迹的能力，而更多的燃气轮机数据让系统能提前预测故障，但两者并不能相互扶持。这就是其残酷之处，数据是不可替代的。

上面这段话其实彻底攥住了我们对于机器学习普遍误解的核心，即在某种程度上来看，它是一个单一的通用的事物。同时，在理解什么是自动化时我们也犯了相同错误。在每一次自动化风潮到来时，我们都感觉自己在创造一种拟人的且有基本智力的技术。举例来说，上世纪 50 年代，人类开始畅想能做家务和上菜的机器人，结果我们没培养出机器人服务生，反而造出了洗衣机。

洗衣机也是机器人，不过它们并非“智能”机器人。它们不清楚水和衣服到底是何物。此外，即使是在洗涤这个分类中，它们也并非通用产品，要不然洗碗机也不会诞生了。简单来说，它们只是另一种形式的自动化，在概念上和传送带没什么不同。同样的，机器学习确实能让我们解决许多现在电脑搞不定的问题，不过这些问题肯定都需要不同的实现方式和不同的数据，甚至是不同的市场策略和开发公司，而这其中的每一环都是自动化的一块拼图，它们是一个个能执行不同任务的洗涤设备。

因此，在谈论机器学习时我们肯定会遭遇“拦路虎”，即我们要在数学的机械论解释和对人工智能的幻想中找到中间立场。

让我们回到与关系数据库的类比话题，现在我们确实能信心满满的说，这项技术能解决大量问题，但你并不知道是哪些具体问题。你能用机器学习进行令人印象深刻的语音和图像识别展示，但普通公司用它来干什么呢？就像一家美国媒体公司说的：“有了机器学习，我们确实能一次给十年的访谈节目做索引，但我们要在索引里找什么呢？”

那么什么才是有真正用途的机器学习洗涤机呢？要解答这个问题，我认为需要用到两种工具。第一种是按照数据类型和问题类型的队列进行思考。

1. 机器学习确实能在你所拥有的数据中快速找到问题答案，你甚至可以将它看做一种分析或优化技术。